机器学习课件3.1k-means聚类算法.pptxVIP

K-Means聚类算法;1.聚类算法介绍;2.聚类算法应用;主要内容;k-均值算法 (k-Means);常用距离;距离三公理;K-means聚类算法原理 K-means聚类算法的基本思想： 一、指定需要划分的簇的个数k值; 二、随机地选择k个初始数据对象点作为初始的聚类中心; 三、计算其余的各个数据对象到这k个初始聚类中心的距离，把数据对象划归到距离它最近的那个中心所处在的簇类中; 四、调整新类并且重新计算出新类的中心。;2. K-means聚类算法原理;2. K-means聚类算法原理 K-Means算法的工作框架： ;2. K-means聚类算法原理 K-Means算法的特点就是调整一个数据样本后就修改一次聚类中心以及聚类准则函数的值，当n个数据样本完全被调整完后表示一次迭代完成，这样就会得到新的簇和聚类中心的值。 K-Means聚类算法其本质是一个最优化求解的问题。 K-Means算法对聚类中心采取的是迭代更新的方法。;k-均值算法 (k-Means);如何评价聚类结果的质量？;K-means聚类算法特点 优点： （1）算法简单、快速。 （2）对处理大数据集，该算法是相对可伸缩的和高效率的。 （3）算法尝试找出使平方误差函数值最小的k个划分。 缺点： （1）K-means聚类算法只有在簇的平均值被定