? ? 均值偏移（Mean?shift）聚類算法是一種基于滑動窗口（sliding-window）的算法，它視圖找到密集的數據點。而且，它還是一種基于中心的算法，他的目標是定位每一組群/類的中心點，通過更新中心點的候選點來實現滑動窗口中點的平均值。這些候選窗口在后期處理階段被過濾，以消除幾乎重復的部分，形成最后一組中心點及其對應的組。

?

?

為了解釋這一變化，我們將考慮二維空間中的一組點。我們從一個點C（隨機選擇）為中心的圓形滑窗開始，以半徑r為內核。均值偏移是一種爬山算法，他需要在內個步驟中反復地將這個內核移動到一個更高的密度區域，直到收斂。

在每一次迭代中，滑動窗口會移向密度較高的區域，將中心點移動到窗口內的點的平均值（因此得名）。滑動窗口中的密度與它內部的點的數量成比例。自然地，通過移向窗口中的點的平均值，它將逐漸向更高的點密度方向移動。

我們繼續根據均值移動滑動窗口，知道沒有方向移動可以容納內核中的更多點。看看上面的圖表；我們一直在移動這個圓，知道我們不在增加密度（也就是窗口中的點數）。

步驟1到3的過程是用許多滑動窗口完成的，知道所有的點都位于一個窗口內。當多個滑動窗口重疊的時候，包含最多的點的窗口會被保留。然后，數據點根據它們所在的滑動窗口聚類。

下面展示了從端到端所有滑動窗口的這個過程演示。每個黑點代表一個滑動窗口的質心，每個灰色點都是一個數據點。

?

?

? ? 與K-Means聚類相比，均值偏移不需要選擇聚類的數量，因為它會自動地發現這一點。這是一個巨大的優勢。聚類中心收斂于最大密度的事實也是非常可取的，因為它非常直觀地理解并適合于一種自然數據驅動。缺點是選擇窗口大小/半徑r是非常關鍵的，所以不能疏忽。

?

總結

以上是生活随笔為你收集整理的推荐算法-聚类-均值偏移聚类（爬山算法）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。