共計 559 個字符，預計需要花費 2 分鐘才能閱讀完成。

今天給大家介紹一下 K -means 聚類中的 Kmeans Clustering 該如何理解。文章的內容丸趣 TV 小編覺得不錯，現在給大家分享一下，覺得有需要的朋友可以了解一下，希望對大家有所幫助，下面跟著丸趣 TV 小編的思路一起來閱讀吧。

Kmeans Clustering

Kmeans 算法是將一些雜亂無章的數，分為若干個類的一種聚類方法

實現原理：(借助網上的一張截圖)

算法步驟：（k 表示聚類中心的個數，上圖為 3）

（1）隨機選取任意 k 個對象作為初始聚類中心，初始代表一個簇；

（2）計算點到質心的距離，并把它歸到最近的質心的類；

（3）重新計算已經得到的各個類的質心；

（4）迭代 2~3 步直至新的質心與原質心相等或小于指定閾值，算法結束。

K-means 算法的優缺點：

1. 效果好，不易受初始值得影響

2. 不能處理非球形的簇

3. 不能處理不同尺寸，不同密度的簇

4. 容易受孤立點的影響（需要我們人為干預，進行剔除）

常用的距離算法：

1. 歐幾里得距離

2. 余弦相似度

以上就是 K -means 聚類中的 Kmeans Clustering 該如何理解的全部內容了，更多與 K -means 聚類中的 Kmeans Clustering 該如何理解相關的內容可以搜索丸趣 TV 之前的文章或者瀏覽下面的文章進行學習哈！相信丸趣 TV 小編會給大家增添更多知識, 希望大家能夠支持一下丸趣 TV！