KMeans 算法太过简单，不再赘述

本文尝试用 EM 算法解释 KMeans，而事实上 KMeans 算是 EM 的一个特例

 

EM 算法是包含隐变量的参数估计模型，那对应到 KMeans 上，隐变量是什么？参数又是什么？

参数就是描述一个模型，在 KMeans 中是聚类质心；隐变量是每个样本的类别；

 

小结一下，E 步就是计算每个样本属于哪个类，M步就是更新每个类的质心，是不是和 你知道的 KMeans 一样呢

 

稍微引申一下，上面我们用平方和来计算误差，其实就是默认样本服从高斯分布，所以 EM 加 高斯分布，也可以推导出 KMeans

 

 

参考资料：

https://www.zhihu.com/question/49972233?sort=created

https://www.cnblogs.com/ccienfall/p/6213072.html