kmeans算法的基本工作和优缺点
1个回答
关注
展开全部
您好,亲,很高兴为您解答。亲,Kmeans算法小结 优点: 原理简单,实现简单,收敛速度快; 聚类效果比较好; 可解释性强,直观; 只有一个参数k; 缺点: k的选择对聚类效果影响较大; 对于不是凸的数据集比较难收敛; 类别不均衡数据集聚类效果不好; 结果局部最优; 对噪声点敏感; 聚类结果是球形。
咨询记录 · 回答于2022-10-11
kmeans算法的基本工作和优缺点
您好,亲,很高兴为您解答。亲,Kmeans算法小结 优点: 原理简单,实现简单,收敛速度快; 聚类效果比较好; 可解释性强,直观; 只有一个参数k; 缺点: k的选择对聚类效果影响较大; 对于不是凸的数据集比较难收敛; 类别不均衡数据集聚类效果不好; 结果局部最优; 对噪声点敏感; 聚类结果是球形。
Kmeans算法的思想很简单,根据给定样本集中样本间距离的大小将样本集划分为k个簇(类),使得每个点都属于距离它最近的那个聚类中心(即均值means)对应的类。
之所以叫kmenas是因为它可以发现k(用户指定)个簇且簇中心用属于该簇的数据的均值来表示。