码迷,mamicode.com
首页 > 编程语言 > 详细

5.聚类算法-kmeans

时间:2020-10-05 22:22:47      阅读:31      评论:0      收藏:0      [点我收藏+]

标签:性能   数据集   一起   异常   优缺点   总结   参数   k-means   平衡   

1.原理

K-Means算法的思想很简单,对于给定的样本集,按照样本之间的距离大小,将样本集划分为K个簇。让簇内的点尽量紧密的连在一起,而让簇间的距离尽量的大。

 

2、api

技术图片

 

 

3、性能评估

技术图片

 

 技术图片

 

 越接近1越好,一般不超过0.7

 

4、优缺点

优点 
1)原理比较简单,实现也是很容易,收敛速度快。 
2)聚类效果较优。 
3)算法的可解释度比较强。 
4)主要需要调参的参数仅仅是簇数k。

缺点 
1)K值的选取不好把握 
2)对于不是凸的数据集比较难收敛 
3)如果各隐含类别的数据不平衡,比如各隐含类别的数据量严重失衡,或者各隐含类别的方差不同,则聚类效果不佳。 
4) 最终结果和初始点的选择有关,容易陷入局部最优。
5) 对噪音和异常点比较的敏感。

 

5、总结

技术图片

 

5.聚类算法-kmeans

标签:性能   数据集   一起   异常   优缺点   总结   参数   k-means   平衡   

原文地址:https://www.cnblogs.com/dominik/p/13770261.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!