原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
* * 哦陈 * 缺德 非层次聚类 需要确定期望的类别数k 随机选择k个种子 进行初始聚类 迭代，将样例重新划分 直到样例所属的类别不再改变 K-Means 设定样例是一个实值向量 基于质心或类c中样本的均值聚类 根据样例与当前类别质心的相似度重新划分类别 距离矩阵 欧式距 (L2 norm): L1 norm: 余弦相似度 (转换成距离): K-Means 算法 令 d为两个实例的距离度量. 选择 k 个随机样例{s1, s2,… sk} 作为种子. 直到聚类收敛或满足停止策略: 对每个样例 xi: 将 xi 分配到 cj ， d(xi, sj) 是最
文档评论（0）