介绍
K-means聚类其实就是先确定好分几类,然后再到平均分几个角度,每个角度进行聚合数据,再平均再聚类,最后得到最佳的分类结果
k-means聚类算法步骤
k-means聚类算法步骤实质是EM算法的模型优化过程,具体步骤如下:
- 1)随机选择k个样本作为初始簇类的均值向量;
- 2)将每个样本数据集划分离它距离最近的簇;
- 3)根据每个样本所属的簇,更新簇类的均值向量;
- 4)重复(2)(3)步,当达到设置的迭代次数或簇类的均值向量不再改变时,模型构建完成,输出聚类算法结果。
K-means聚类其实就是先确定好分几类,然后再到平均分几个角度,每个角度进行聚合数据,再平均再聚类,最后得到最佳的分类结果
k-means聚类算法步骤实质是EM算法的模型优化过程,具体步骤如下: