給定樣本集 D = {Xl) 的，… ,xm}, “k 均值” (k-means )算法針對聚類所 得簇劃分 C = {C1, C2,…, Ck} 最小化平方誤差 ι
E=LL Ilx 一隊(duì)IIL i=l ?EGi
其中隊(duì)=甘il L?EGi X 是簇 q 的均值向量.在一定程度上 刻畫了簇內(nèi)樣本圍繞簇均值向量的緊密程度， E 值越小則簇內(nèi)樣本相似度越高.
最小化式并不容易，找到它的最優(yōu)解需考察樣本集 D 所有可能的簇 劃分，這是一個(gè) NP 難問題. 因此， k 均值算法采用了貪心策 略，通過迭代優(yōu)化來近似求解式. 算法流程其中第 1 行對 均值向量進(jìn)行初始化7 在第 4-8 行與第 9一16 行依次對當(dāng)前簇劃分及均值向量選 代更新?若迭代更新后聚類結(jié)果保持不變，則在第 18 行將當(dāng)前簇劃分結(jié)果返回.

總結(jié)

以上是生活随笔為你收集整理的k-means均值向量的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。