machine-learning - 无论集群中心如何初始化,Kmeans 算法是否都能保证收敛?为什么?
问题描述
K-means 是一种迭代算法,它随机初始化聚类中心。无论集群中心如何初始化,Kmeans 算法是否都能保证收敛?为什么?
解决方案
是的。它收敛但不覆盖到相同的结果,而不是以相同的速度覆盖。它在数学上证明了在 k-means 中寻找中心的迭代运行是收敛的。原因是:
在 k-means 的每次迭代中,到中心的距离总和都会减少。这是因为在每次迭代中如何选择中心(集群中心是每个集群节点的平均值)。这样,随着每次迭代中距离的总和减少,(因为您将每个节点分配到最近的中心)算法收敛。正如我之前所说,这种收敛有一个数学证明。K-means是一种期望最大化(EM)算法,每个EM算法都会收敛。(你可以看到这个证明,如果你有兴趣我可以用数学公式来解释它。)
推荐阅读
- python-behave - 在 VS 代码中,我尝试使用 python、selenium 解决问题,但我没有得到正确的输出。你能告诉我问题出在哪里吗?
- c# - .Net核心流利验证接受空或以给定精度接受
- php - 使用 Stripe Elements 将卡详细信息保存给客户
- parse-platform - 将云功能从 Parse-server 2.0 升级到 3.0
- java - hibernate @ColumnTransformer 不适用于更新命名查询
- r - RShiny 中的字符串类型全局变量
- angular - 角激活路线获取参数 - 不工作
- reactjs - React - 领域结果作为对象列表
- javascript - flowtype 无法返回对象文字,因为对象类型不兼容
- php - Yii2 在生产中显示白屏错误