如何改进kmeans算法中的k的选取问题

如题所述

推荐答案 2017-03-01

K-Means聚类算法原理 k-means 算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较校聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”

温馨提示：答案为网友推荐，仅供参考

当前网址：http://77.wendadaohang.com/zd/GINqvNGv88NGpG3vGWv.html

其他回答

第1个回答 2017-03-01

K-MEANS算法是输入聚类个数k，以及包含 n个数据对象的数据库，输出满足方差最小标准的k个聚类。
中文名
K-均值算法
包括
输入聚类个数k
以及
包含 n个数据对象的数据库
目的
输出满足方差最小标准的k个聚类
目录
1 基本简介
2 处理流程
▪ k-means 算法基本步骤
▪ 算法分析和评价
3 实现方法

基本简介
编辑
k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。本回答被提问者采纳

相似回答

如何改进kmeans算法中的k的选取问题答：1、按就近原则将样本归入各聚类中心所代表的类中。2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。三、判断聚类是否合理采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到...

K-means原理、优化、应用答：解决K-Means算法对初始簇心比较敏感的问题，二分K-Means算法是一种弱化初始质心的一种算法。1、将所有样本数据作为一个簇放到一个队列中。2、从队列中选择一个簇进行K-Means算法划分，划分为两个子簇，并将子簇添加到队列中。3、循环迭代步骤2操作，直到中止条件达到...

最常用的聚类算法——K-Means原理详解和实操应用(R&Python)答：在Python中，利用scikit-learn库的KMeans，我们可以轻松实现算法。例如，设置n_clusters为3，通过肘部法则确定最佳聚类数，然后构建模型并获取聚类结果、中心点、SSE等信息。可视化结果，如鸢尾花数据集的花瓣长度和宽度分布，有助于理解聚类效果。通过R语言的kmeans包，我们同样能分析usarrests数据，观察K=4...

大数据十大经典算法之k-means答：K均值算法的改进:样本预处理。计算样本对象量量之间的距离,筛掉与其他所有样本那的距离和最大的m个对象。初始聚类中心的选择。选用簇中位置最靠近中心的对象,这样可以避免孤立点的影响。K均值算法的变种:K众数(k-modes)算法,针对分类属性的度量和更新质心的问题而改进。EM(期望最大化)算法k-prototype算法这种算法...

K-Means(二)初始质心的选择答： K-Means++算法是基本算法的改进版，其区别就在于初始质心的选择。该算法第一个质心是随机选择的，接下来的质心基于样本点与最近质心的距离，距离越大越可能被选为下一个质心，直到选择完k个质心。 &...

K-meansk-means 算法缺点答：算法的另一个挑战在于初始聚类中心的选择。初始划分对最终结果有很大影响，如果选择不当，可能导致无效聚类。为克服这一问题，文献中采用了遗传算法（GA）来优化初始化过程，以内部聚类准则为评估标准，以期望得到更好的聚类结果。此外，K-means 算法在处理大数据集时效率较低，因为需要频繁地对样本进行分类...

Kmeans聚类算法简介(有点枯燥)答：(1). 在 Kmeans 算法中 kk 需要事先确定,这个 kk 值的选定有时候是比较难确定。 (2). 在 Kmeans 算法中,首先需要初始k个聚类中心,然后以此来确定一个初始划分,然后对初始划分进行优化。这个初始聚类中心的选择对聚类结果有较大的影响,一旦初始值选择的不好,可能无法得到有效的聚类结果。多设置一些不同的初值...

大家正在搜

kmeans改进的算法 kmeans算法改进 dbscan算法的改进 kmeans算法的应用场景 kmeans算法简单例题 kmeans算法例题代码 kmeans算法应用 kmeans算法应用实例 kmeans算法基本步骤