K 均值聚类

约 233 个字 预计阅读时间 1 分钟

定义

K 均值聚类将样本划分为k个子集，构成k个类，将n个样本分到k个类中，每个样本到其所属类中心的距离最小，这个算法其实在ads中亦有记载

策略

k均值聚类归结为样本集合X的划分，或者从样本到类的函数选择问题。我们依旧是采用欧式距离，定义样本与其所属类中心的距离之和为损失函数，目标自然是最小化损失函数，如果要求最优显然是NPH的，实际求解还是用近似算法，不过这里和ads略有不同：先选择k个类的中心，将样本指派到与其最近的类，得到一个聚类结果，然后更新每个类样本的均值作为类的新中心，重复以上步骤直至收敛。