KMeans K值以及初始类簇中心点的选取
2017-08-08 16:31
295 查看
给定一个合适的类簇指标,比如平均半径或直径,只要我们假设的类簇的数目等于或者高于真实的类簇的数目时,该指标上升会很缓慢,而一旦试图得到少于真实数目的类簇时,该指标会急剧上升。
当K取值5时,类簇指标的下降趋势最快,所以K的正确取值应该是5.
确定K个初始类簇中心点:
首先随机选择一个点作为第一个初始类簇中心点,然后选择距离该点最远的那个点作为第二个初始类簇中心点,然后再选择距离前两个点的最近距离最大的点作为第三个初始类簇的中心点,以此类推,直至选出K个初始类簇中心点。
缺点:
准确度与K值的确定和K个初始类簇中心点选择直接相关。
当K取值5时,类簇指标的下降趋势最快,所以K的正确取值应该是5.
确定K个初始类簇中心点:
首先随机选择一个点作为第一个初始类簇中心点,然后选择距离该点最远的那个点作为第二个初始类簇中心点,然后再选择距离前两个点的最近距离最大的点作为第三个初始类簇的中心点,以此类推,直至选出K个初始类簇中心点。
缺点:
准确度与K值的确定和K个初始类簇中心点选择直接相关。
相关文章推荐
- KMeans聚类 K值以及初始类簇中心点的选取 转
- KMeans笔记 K值以及初始类簇中心点的选取
- 机器学习-KMeans聚类 K值以及初始类簇中心点的选取
- 机器学习-KMeans聚类 K值以及初始类簇中心点的选取
- 机器学习-KMeans聚类 K值以及初始类簇中心点的选取
- KMeans聚类 K值以及初始类簇中心点的选取
- KMeans笔记 K值以及初始类簇中心点的选取
- KMeans算法的K值以及初始类簇中心点的选取
- KMeans笔记 K值以及初始类簇中心点的选取
- 机器学习-KMeans聚类 K值以及初始类簇中心点的选取
- KMeans笔记 K值以及初始类簇中心点的选取
- kmeans算法原理以及实践操作(多种k值确定以及如何选取初始点方法)
- kmeans算法原理以及实践操作(多种k值确定以及如何选取初始点方法)
- gridview分页以及点击按钮选取某行数据
- 关于ArrayList的初始容量以及扩容的效率问题
- Andriod中Style/Theme原理以及Activity界面文件选取过程浅析
- 初始MyBatis以及idea创建maven项目速度慢
- Android之本地相冊图片选取和拍照以及图片剪辑
- java中基础类型的初始值,以及一些平时不注意的小知识
- hibernate映射文件生成数据库脚本过程,sequence 设定初始值 以及自定义增量问题