首页 / 算法 / K-均值算法（数据挖掘无监督学习）

K-均值算法（数据挖掘无监督学习）

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了K-均值算法（数据挖掘无监督学习），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含795字，纯文字阅读大概需要2分钟。

内容图文

一、无监督学习

　　1、聚类：是一个将数据集中在某些方面相似的数据成员进行分类组织的过程。因此，一个聚类就是一些数据实例的集合。聚类技术经常被称为无监督学习。

二、K-均值聚类

　　1、k—均值算算法：是发现给定数据集k个簇的算法

　　2、步骤：

　　　　1）、随机选取k个数据点作为初始的聚类中心（要求发现k个簇）。

　　　　2）、把每个数据点分配给距离它最近的聚类中心（对图中的所有点求到这K个种子点的距离，假如点P离种子点S最近，那么P属于S点群。）

　　　　3）、重新确定聚类中心(x,y)，一旦全部的数据点都被分配，每个聚类的聚类中心会更具现有数据点重新计算。x = (x1+x2+……xn)/n，y = (y1+y2+……yn)/n。

　　　　4）、2）3）过程不断重复，知道满足一下三个终止（收敛）条件：

　　　　　　a、满足重复次数，比如要求循环执行五十次，第五十一次停止。

　　　　　　b、没有聚类中心再次发生变化。

　　　　　　c、误差和（SSE）局部最小技术分享图片。技术分享图片

技术分享图片

                技术分享图片

　　3、伪代码 ：

                1 Algorithm K-means(k,D)
2     choose k data points as the initial centroids(cluster centers)
3    repeat
4for each data point x->D do5             compute the distance from x to each centroid;
6            assign x to the closest centroid 
7        endfor 
8         re-computer the centroid using the current cluster memberships
9     until the stopping criterion

 

原文：https://www.cnblogs.com/weiliuyby/p/8619325.html

内容总结

以上是互联网集市为您收集整理的K-均值算法（数据挖掘无监督学习）全部内容，希望文章能够帮你解决K-均值算法（数据挖掘无监督学习）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1125918.html

来源：【匿名】