原创力文档- 1、本文档共8页，其中可免费阅读3页，需付费59金币后方可阅读剩余内容。
- 2、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。
- 3、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。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
【聚类算法】实现流程
聚类算法实现流程
学习?标
掌握K-means聚类的实现步骤
k-means其实包含两层内容：
K : 初始中?点个数(计划聚类数)
means：求中?点到其他数据点距离的平均值
1. K-Means 聚类步骤
1、随机设置K个特征空间内的点作为初始的聚类中?
2、对于其他每个点计算到K个中?的距离，未知的点选择最近的?个聚类中?点作为标记类别
3、接着对着标记的聚类中?之后，重新计算出每个聚类的新中?点(平均值)
4、如果计算得出的新中?点与原中?点?样(质?不再移动)，那么结束，否则重新进?第?步过程
通过下图解释实现流程：
2.案例练习
文档评论（0）