Kmeans基本思想
2024-10-17 21:27:37
https://blog.csdn.net/zjc_game_coder/article/details/78595833
Kmeans算法的基本思想：看如下图：
解决小样本 、非线性及高维模式识别问题
低维空间向量集通常难于划分，解决的方法是将它们映射到高维空间。但这个办法带来的困难就是计算复杂度的增加，而核函数正好巧妙地解决了这个问题。也就是说，只要选用适当的核函数，我们就可以得到高维空间的分类函数。
假设要把这些点分成三类，首先随机的选择3个点作为三个类别的中心点，然后依次计算其余所有的点到这三个中心点的距离，如果x点（非中心点）到center i （i = 0,1,2）的距离最小，那么x就是i类的，然后对于每一个类，利用均值的方法更新中心点（比如，计算该类中所有点的坐标x,y的平均值的点，然后找到最靠近这个平均坐标的点作为新的中心点）。如此反复迭代，直到中心点坐标不再改变为止。
Kmeans算法是聚类算法，也就是可以给物体分类的，那SVM也是分类的，这两个的区别是啥呢？
答：SVM是有监督的分类算法，而Kmeans是无监督的分类算法，这就是一个很大的区别了，有监督的学习就好好比做题有答案，你做完你知道哪里错了，无监督就是没答案，玩儿蛇呢。
最新文章
- 加载默认图片，如何避免img标签陷入onerror事件死循环
- Swift----函数 、 闭包 、 枚举 、 类和结构体 、 属性
- linux 普通用户切换成root免密码
- ajax中向HTML页面中指定位置添加信息
- PADS Layout 使用
- iOS的属性声明：retain和strong的区别
- NET Core环境并创建运行ASP.NET网站
- 初步学习nodejs，业余用node写个一个自动创建目录和文件的小脚本，希望对需要的人有所帮助
- gdb分析core文件
- 如何使用cloudflare的CDN加速网站隐藏网站IP
- Spring Boot到底是怎么运行的，你知道吗？
- Pilosa文档翻译（三）示例
- yuan先生博客链接
- get请求乱码解决
- 算法初级面试题01——认识时间复杂度、对数器、 master公式计算时间复杂度、小和问题和逆序对问题
- SpringCloud使用jpa之传统方式
- linux-2.6内核驱动学习——jz2440之输入子系统
- chrome插件控制台
- bean的singleton（没有看到生命周期范围？？）
- jquery微博实例