• 所有问题

    • kmeans算法每次运行的结果一样吗

    如题所述

    举报该问题
    推荐答案   推荐于2017-11-27
    kmeans作为一个算法本身，输入和参数不变，输出也不会变
    但是实际使用时为了保证较好的效果，一般时会加入一些随机性，比如最常用的是：
    随机选择初始聚类中心，这样每次运行结果就不一样了
    温馨提示：答案为网友推荐，仅供参考
    相似回答
    大家都没觉得kmeans每次聚类的结果不一样吗答：因为K-mean的初始化是需要随机的，要随机的确定K个点作为初始点。
    关于MATLAB的kmeans聚类函数,为什么对于同一个矩阵作多次kmeans聚类,得 ...答：因为K-mean的初始化是需要随机的，要随机的确定K个点作为初始点。
    同一组数据,运用k-means算法却出现不同的结果是怎么回事答：因为每次选择的参考点不同，K-means算法确保的是局部最优解，可能无法保证全局最优
    Kmeans聚类算法简介(有点枯燥)答：选择适当的初始质心是基本kmeans算法的关键步骤。常见的方法是随机的选取初始中心,但是这样簇的质量常常很差。处理选取初始质心问题的一种常用技术是:多次运行,每次使用一组不同的随机初始质心,然后选取具有最小SSE(误差的平方和)的簇集。这种策略简单,但是效果可能不好,这取决于数据集和寻找的簇的个数。 第二种有...
    在kmeans算法中什么不变答：1、在K-means算法中，聚类中心是不变的，每一步迭代中都是固定的。2、迭代开始时，聚类中心就已经确定，而在每次迭代结束时，聚类中心才会更新。
    八:聚类算法K-means(20191223-29)答：对于每一个簇 计算总误差 在给定的簇上进行K-均值聚类,k值为2 计算将该簇划分成两个簇后总误差 选择是的误差最小的那个簇进行划分 在原始的K-means算法中,每一次的划分所有的样本都要参与运算,如果数据量非常大的话,这个时间是非常高的,因此有了一种分批处理的改进算法。 使用Mini Batch(分批处理)的方法对...
    K-means的基本信息答：K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。k个初始类聚类中心点的选取对聚类结果具有较大的影响，因为在该算法第一步中是随机的选取任意k个...
    大家正在搜
    kmeans算法的应用场景kmeans算法应用kmeans算法应用实例kmeans算法基本步骤kmeans算法举例kmeans算法原理kmeans算法改进kmeans算法代码kmeans算法简单例题
    相关问题
    kmeans算法为什么有时候收敛不一样
    如何判断k-means算法结果的好坏
    最近学了关于k-means算法，然后在网上有看到k-mean...
    kmeans算法是怎样调用的，输出的是什么 我有一堆数据样本...
    k-means算法解决了什么问题
    关于K-Means聚类算法的，大家交流一下。
    k-means算法数据需标准化吗
    一道k-means算法的c++程序，帮帮看看哪里出了错