机器学习入门机器学习入门 (14).pdf

《机器学习入门机器学习入门 (14).pdf》由会员分享，可在线阅读，更多相关《机器学习入门机器学习入门 (14).pdf（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、K-means算法03(1,1)(2,1)(1,2)(2,2)(3,3)(8,8)(8,9)(9,8)(9,9)(1,1)(2,1)(2,2)(1,2)(3,3)(9,8)(8,8)(9,9)(8,9)k-means聚类算法原理从从D中随机取中随机取k个元素，作个元素，作为为k个簇的各个簇的各自的中心。自的中心。分别计算剩分别计算剩下的元素到下的元素到k个簇中心的个簇中心的相异度。相异度。根据聚类结根据聚类结果，重新计果，重新计算算k个簇各自个簇各自的中心。的中心。将将D中全部元中全部元素按照新的素按照新的中心重新聚中心重新聚类。类。重复第重复第3、4步，直到聚步，直到聚类结果不再类结果不再变

2、化。变化。将结果输出。将结果输出。将这些元素分将这些元素分别划归到相异别划归到相异度最低的簇。度最低的簇。1、从、从D中随机取中随机取k个元素，作为个元素，作为k个簇的各自的中心。个簇的各自的中心。选K=2，也就是估算有两个簇。下面选(1,1)，(2,1)两个点。C0：(1,1)C1：(2,1)C0C1(1,1)(2,1)(2,2)(1,2)(3,3)(9,8)(8,8)(9,9)(8,9)(2,1)(1,1)2、分别计算剩下的元素到、分别计算剩下的元素到k个簇中心的相异度，个簇中心的相异度，将这些元素分别划归到相异度最低的簇。将这些元素分别划归到相异度最低的簇。采采取取欧欧氏氏距距离离公公式

3、式C0C1(2,2)(1,2)(3,3)(9,8)(8,8)(9,9)(8,9)(2,1)(1,1)(1,2)(2,2)(3,3)(8,8)(9,8)(8,9)(9,9)3、根据聚类结果，重新计算、根据聚类结果，重新计算k个簇各自的中心，计个簇各自的中心，计算方法是取簇中所有元素各自维度的算术平均数。算方法是取簇中所有元素各自维度的算术平均数。C0 新的簇心为：(1.0,1.5)(1+1)/2=1(1+2)/2=1.5C1 新的簇心为：(5.86,5.71)(2*2+3+8*2+9*2)/7=5.86(1+2+3+8*2+9*2)/7=5.71C0C1C0C1(2,2)(1,2)(3,3)(9

4、,8)(8,8)(9,9)(8,9)(2,1)(1,1)4、将、将D中全部元素按照新的中心重新聚类。中全部元素按照新的中心重新聚类。采取欧氏距采取欧氏距离公式离公式第第2次迭代次迭代C0C1(2,2)(1,2)(3,3)(9,8)(8,8)(9,9)(8,9)(2,1)(1,1)(1,2)(2,2)(3,3)(8,8)(9,8)(8,9)(9,9)(1,1)(2,1)C0的簇心为:(1.8,1.8)C1的簇心为:(8.5,8.5)当距离小于某个值的时候，就认为聚类已经聚类了，不需要当距离小于某个值的时候，就认为聚类已经聚类了，不需要再迭代，这里的值选再迭代，这里的值选0.0015、重复第、重复

5、第3、4步，直到聚类结果不再变化。步，直到聚类结果不再变化。C0C1C0C1(2,2)(1,2)(3,3)(9,8)(8,8)(9,9)(8,9)(2,1)(1,1)(1,2)(2,2)(3,3)(8,8)(9,8)(8,9)(9,9)(1,1)(2,1)各个簇心移动中最小的距离为，move=0.854 第3次迭代当距离小于某个值的时候，就认为聚类已经聚类了，不需要当距离小于某个值的时候，就认为聚类已经聚类了，不需要再迭代，这里的值选再迭代，这里的值选0.015、重复第、重复第3、4步，直到聚类结果不再变化。步，直到聚类结果不再变化。C0C1C0的簇心为:(1.8,1.8)C1的簇心为:(8.5,8.5)各个簇心移动中最小的距离为，move=0.0结束(2,2)(1,2)(3,3)(9,8)(8,8)(9,9)(8,9)(2,1)(1,1)(1,2)(2,2)(3,3)(8,8)(9,8)(8,9)(9,9)(2,1)(1,1)(9,8)(1,1)(9,8)