k means算法如何具体实现呢??

发布网友 发布时间：2022-04-01 10:22

我来回答

共2个回答

懂视网 时间：2022-04-01 14:43

kmeans原理如下：

　　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。

　　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，因此把得到紧凑且的簇作为最终目标。K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数据情况下的优化Mini Batch K-Means算法。

热心网友 时间：2022-04-01 11:51

1.基本Kmeans算法[1]

[cpp] view plain copy
选择K个点作为初始质心
repeat
将每个点指派到最近的质心，形成K个簇
重新计算每个簇的质心
until 簇不发生变化或达到最大迭代次数

时间复杂度：O(tKmn)，其中，t为迭代次数，K为簇的数目，m为记录数，n为维数

空间复杂度：O((m+K)n)，其中，K为簇的数目，m为记录数，n为维数追问你说的这个理论我懂 就是具体操作不会