K-均值算法(K-means algorithm)

K-均值算法概述:

首先汞窗,我們有一個(gè)無(wú)標(biāo)簽數(shù)據(jù)集患久,我們想要把它們分成兩個(gè)類另萤,然后我們使用k-均值算法來(lái)做:

1、我們選取兩個(gè)點(diǎn)巫员,稱為聚類中心(cluster centroids):

2庶香、遍歷所有的點(diǎn),更靠近哪個(gè)聚類中心简识,就把它歸為那一個(gè)類中:

3赶掖、移動(dòng)聚類中心到它們自己類的均值處:

4、然后我們繼續(xù)第2步七扰,遍歷所有的點(diǎn)奢赂,看它離哪個(gè)聚類中心更近就把它歸到那一類中:

5、繼續(xù)第3步颈走,移動(dòng)聚類中心到它們自己類的均值處:

6膳灶、繼續(xù)第2步:

7、繼續(xù)第3步:

8立由、繼續(xù)第2步:

如此反復(fù)轧钓,當(dāng)點(diǎn)的顏色不再變化司致,我們便認(rèn)為K均值方法已經(jīng)收斂了。

輸入:

  • K(聚類數(shù))
  • 訓(xùn)練集{x(1),x(2),......,x(m)}

對(duì)于沒(méi)有明顯區(qū)分的數(shù)據(jù)也可以很好的分開(kāi):

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末聋迎,一起剝皮案震驚了整個(gè)濱河市脂矫,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌霉晕,老刑警劉巖庭再,帶你破解...
    沈念sama閱讀 218,546評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異牺堰,居然都是意外死亡拄轻,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,224評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén)伟葫,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)恨搓,“玉大人,你說(shuō)我怎么就攤上這事筏养「В” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 164,911評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵渐溶,是天一觀的道長(zhǎng)辉浦。 經(jīng)常有香客問(wèn)我,道長(zhǎng)茎辐,這世上最難降的妖魔是什么宪郊? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,737評(píng)論 1 294
  • 正文 為了忘掉前任,我火速辦了婚禮拖陆,結(jié)果婚禮上弛槐,老公的妹妹穿的比我還像新娘。我一直安慰自己依啰,他們只是感情好乎串,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,753評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著孔飒,像睡著了一般灌闺。 火紅的嫁衣襯著肌膚如雪艰争。 梳的紋絲不亂的頭發(fā)上坏瞄,一...
    開(kāi)封第一講書(shū)人閱讀 51,598評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音甩卓,去河邊找鬼鸠匀。 笑死,一個(gè)胖子當(dāng)著我的面吹牛逾柿,可吹牛的內(nèi)容都是我干的缀棍。 我是一名探鬼主播宅此,決...
    沈念sama閱讀 40,338評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼爬范!你這毒婦竟也來(lái)了父腕?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 39,249評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤青瀑,失蹤者是張志新(化名)和其女友劉穎璧亮,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體斥难,經(jīng)...
    沈念sama閱讀 45,696評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡枝嘶,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,888評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了哑诊。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片群扶。...
    茶點(diǎn)故事閱讀 40,013評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖镀裤,靈堂內(nèi)的尸體忽然破棺而出竞阐,到底是詐尸還是另有隱情,我是刑警寧澤暑劝,帶...
    沈念sama閱讀 35,731評(píng)論 5 346
  • 正文 年R本政府宣布馁菜,位于F島的核電站,受9級(jí)特大地震影響铃岔,放射性物質(zhì)發(fā)生泄漏汪疮。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,348評(píng)論 3 330
  • 文/蒙蒙 一毁习、第九天 我趴在偏房一處隱蔽的房頂上張望智嚷。 院中可真熱鬧,春花似錦纺且、人聲如沸盏道。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,929評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)猜嘱。三九已至,卻和暖如春嫁艇,著一層夾襖步出監(jiān)牢的瞬間朗伶,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,048評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工步咪, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留论皆,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,203評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像点晴,于是被迫代替她去往敵國(guó)和親感凤。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,960評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • K-Means介紹 K-means算法是聚類分析中使用最廣泛的算法之一。它把n個(gè)對(duì)象根據(jù)他們的屬性分為k個(gè)聚類以便...
    嚴(yán)國(guó)華閱讀 762評(píng)論 0 0
  • 均值算法是一種典型的無(wú)監(jiān)督學(xué)習(xí)算法屠橄,用來(lái)對(duì)數(shù)據(jù)進(jìn)行分類萨惑。 聚類問(wèn)題 Clustering 針對(duì)監(jiān)督式學(xué)習(xí),輸入數(shù)據(jù)...
    kamidox閱讀 2,866評(píng)論 5 10
  • 你體驗(yàn)過(guò)這種感覺(jué)嗎姐仅? 當(dāng)你閱讀一本書(shū)的時(shí)候,你突然發(fā)現(xiàn)自己原來(lái)是個(gè)傻子刻盐。 我猜你沒(méi)有體驗(yàn)過(guò)掏膏,畢竟,這不僅需要你善于...
    顏懸哉閱讀 1,574評(píng)論 18 54
  • 1 過(guò)完年后敦锌,公司傳聞?wù)f蕭迪戀愛(ài)了馒疹。 這在我們單位絕對(duì)是個(gè)爆炸性的新聞,誰(shuí)才有能耐收復(fù)35歲的高冷女神蕭迪呢乙墙?于是...
    安小漁閱讀 803評(píng)論 3 2