K-MEANS算法【聚类】
聚类
最简单实用的聚类算法：K-MEANS算法
K值：数据分成几份
质心：簇的中心点
优化目标：K个簇的（每个簇中的每个点距离质心的距离）的和最小
ci中心点，x个别点
工作流程：
设置K值，初始化K个点（随机？），然后计算每个点距离这K个点的距离，视距离最近的那个点为主，然后分成K个家族
然后家族内重新选出宗主（按照某方法求得质心），然后所有的点再根据距离重新认主。
重复上面的过程直到所用样本点都基本不变为止。
初始值(质心的位置)选的不好可能会影响最终的效果，比如下面的最终结果不尽人意
· 10年+ .NET Coder 心语，封装的思维：从隐藏、稳定开始理解其本质意义
· .NET Core 中如何实现缓存的预热？
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列：向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗？
· 10年+ .NET Coder 心语 ── 封装的思维：从隐藏、稳定开始理解其本质意义
· 【设计模式】告别冗长if-else语句：使用策略模式优化代码结构
· 字符编码：从基础到乱码解决
· 提示词工程——AI应用必不可少的技术