everda

  博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

一、原理阐述


算法类型:非监督学习_聚类算法

输入: 连续型

V1.0


  给定需要分为k个分类,随机选择k个点作为中心点,计算每个点离这k个中心点的距离,将距离最小的作为该点的分类;再利用均值等计算这k个分类的新中心点,重复上面的计算,直到每个点的分类不再变化或迭代次数大于一定阈值结束。

二、算法选择


算法 特点&区别
k-means  

 

三、算法过程


1.需要给定划分为几个分类,有一个统计量SSE可以辅助测算划为分几类比较合理。
2.初始点的选择会影响结果。
度量:点与点的距离

四、特点


 

五、代码API


 

posted on 2019-11-12 19:57  everda  阅读(171)  评论(0编辑  收藏  举报