機器學習算法與Python實踐這個系列主要是參考《機器學習實戰》這本書。因為自己想學習Python，然后也想對一些機器學習算法加深下了解，所以就想通過Python來實現幾個比較常用的機器學習算法。恰好遇見這本同樣定位的書籍，所以就參考這本書的過程來學習了。

       在上一個博文中，我們聊到了k-means算法。但k-means算法有個比較大的缺點就是對初始k個質心點的選取比較敏感。有人提出了一個二分k均值（bisecting k-means）算法，它的出現就是為了一定情況下解決這個問題的。也就是說它對初始的k個質心的選擇不太敏感。那下面我們就來了解和實現下這個算法。

 

一、二分k均值（bisecting k-means）算法

       二分k均值（bisecting k-means）算法的主要思想是：首先將所有點作為一個簇，然后將該簇一分為二。之后選擇能最大程度降低聚類代價函數（也就是誤差平方和）的簇劃分為兩個簇。以此進行下去，直到簇的數目等于用戶給定的數目k為止。

總結

以上是生活随笔為你收集整理的机器学习算法与Python实践之（六）二分k均值聚类的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。