《第8章 K-means聚类算法》.pptVIP

数据挖掘算法、原理与实践;八、K-means聚类算法;八、K-means聚类算法;八、K-means聚类算法;八、K-means聚类算法;（补充）距离的算法的选择 一般，我们都是以欧拉距离来计算与种子点的距离。但是，还有几种可以用于k-means的距离计算方法。 1）闵可夫斯基距离——λ可以随意取值，可以是负数，也可以是正数，或是无穷大。 2）欧拉距离——也就是第一个公式λ=2的情况 3）市郊区距离公式——也就是第一个公式λ=1的情况 4）余弦距离（常用于文本）—— ;（补充）距离的算法的选?? ;八、K-means聚类算法;K-means缺点以及改进 （1）要求用户必须事先给出要生成的簇的数目k。这个k并不是最好的。 解决：肘部算法 肘部算法是一种启发式方法来估计最优聚类数量，称为肘部法则（Elbow Method）。;K-means缺点以及改进 （2）K-Means算法需要用初始随机种子点来搞，不同是起点结果不同。可能导致算法陷入局部最优。 解决：K-Means++算法（初始的聚类中心之间的相互距离要尽可能的远） ;八、K-means聚类算法;八、K-means聚类算法;八、K-means聚类算法;八、K-means聚类算法;八、K-means聚类算法;八、K-means聚类算法;八、K-means聚类算法;八、K-means聚类算法;dsfdbsy384y982ythb3oibt4oy39y409705923y09y53b2lkboi2y58wy0ehtoibwoify98wy049ywh4b3oiut89u983yf9ivh98y98sv98hv98ys9f698y9v698yv98x98tb98fyd98gyd98h98ds98nt98d8genklgb4klebtlkb5k tkeirh893y89ey698vhkrne lkhgi8eyokbnkdhf98hodf hxvy78fd678t9fdu90gys98y9shihixyv78dfhvifndovhf9f8yv9onvkobkw kjfegiudsfdbsy384y982ythb3oibt4oy39y409705923y09y53b2lkboi2y58wy0ehtoibwoify98wy049ywh4b3oiut89u983yf9ivh98y98sv98hv98ys9f698y9v698yv98x98tb98fyd98gyd98h98ds98nt98d8genklgb4klebtlkb5k tkeirh893y89ey698vhkrne lkhgi8eyokbnkdhf98hodf hxvy78fd678t9fdu90gys98y9shihixyv78dfhvifndovhf9f8yv9onvkobkw kjfegiu dsfdbsy384y982ythb3oibt4oy39y409705923y09y53b2lkboi2y58wy0ehtoibwoify98wy049ywh4b3oiut89u983yf9ivh98y98sv98hv98ys9f698y9v698yv98x98tb98fyd98gyd98h98ds98nt98d8gen;56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm56384866666gjfdghmghm;￥1111111111111111111111111111111222222222222222222222222222222222222222222222222222222223333333333333333333333333333333333333333333333333333333333333333333344444＄§|β↓×√㎜ɡ?≥≧ɑ←‰?↓←≠￥θ￥?÷㎝??￥＄§|β↓×√㎜②￥◎…ɡ?≥≧ɑ←‰?ɡ?≥≧￥◎…ɡ?≥≧ɑ←‰?ɡ?≥≧－￥???￥＄§|β↓×√㎜??￥＄§|β↓×√㎜↓←≠￥θ￥?÷㎝②￥◎…ɡ?≥≧ɑ←‰???￥＄§|β↓×√㎜ɡ?≥≧ɑ←‰?↓←≠￥θ￥?÷㎝??￥＄§|β↓×√㎜②￥◎…ɡ?≥≧ɑ←‰?ɡ?≥≧￥◎…ɡ?≥≧ɑ←‰?ɡ?≥≧－￥???￥＄§|β↓×√㎜??￥＄§|β↓×√㎜