K 均值聚类（K-means）| 原理 + 用法 + 优化 | 最常用的聚类方法

已完结

课程简介

零基础也能懂的 K 均值聚类教程！从算法原理（质心迭代、距离计算）到优化技巧（kmeans++、elkan），再到实战代码（Python 实现 + K 值选择技巧），手把手教你掌握机器学习经典聚类方法，轻松搞定数据分组问题。

章节目录

互动留言

1/1 K 均值聚类（K-means）

聚类（Clustering）指的是将一组数据点按照某种规则或者方法分成多个组或簇，使得同一组内的数据点在某种意义上更相似，而不同组之间的数据点相对较不相似。聚类时，可以基于数据分布、基于数据密度、基于数据相似度、基于图结构等等方法。K 均值聚类是基于数据相似度（欧式距离）将数据集聚类为多个簇，每个簇都会有一个质心，表示簇的中心位置（每个维度上的平均值）。 1. 算法原理使用 K 均值聚类的步骤... 查看完整内容