正文

请到「今天看啥」查看全文

1.K-均值聚类算法

2.层次聚类

K-均值聚类

1.以你想要的簇的数量K作为输入，随机初始化每个簇的中心。

2.现在，在数据点和中心点的欧氏距离，将每个数据点分配给离它最近的簇。

3.将第二步中每个簇数据点的均值作为新的聚类中心。

4.重复步骤2和步骤3直到聚类中心不再发生变化。

你可能会问，如何在第一步中决定K值？

一种“肘部法则”（Elbow Method）可以用来确定最佳聚类数。你可以在K值范围内运行K-均值聚类，并在Y轴上绘制“可解释方差的比例”，在X轴上绘制K值。

在下面这张图片中可以注意到，当簇扩大到三个以上时，就不能对数据很好建模了。第一个簇增加了很多信息，但某些时候，边际收益将开始下降。

请到「今天看啥」查看全文