[机器学习]二分k-means算法详解
Posted 图解AI
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了[机器学习]二分k-means算法详解相关的知识，希望对你有一定的参考价值。
二分k-means算法
二分k-means算法是分层聚类（Hierarchical clustering）的一种，分层聚类是聚类分析中常用的方法。
分层聚类的策略一般有两种：
- 聚合。这是一种
自底向上的方法，每一个观察者初始化本身为一类，然后两两结合 - 分裂。这是一种
自顶向下的方法，所有观察者初始化为一类，然后递归地分裂它们
二分k-means算法是分裂法的一种。
1 二分k-means的步骤
二分k-means算法是k-means算法的改进算法，相比k-means算法，它有如下优点：
- 二分
k-means算法可以加速k-means算法的执行速度，因为它的相似度计算少了 - 能够克服
k-means收敛于局部最小的缺点
二分k-means算法的一般流程如下所示：
-
（1）把所有数据初始化为一个簇，将这个簇分为两个簇。
-
（2）选择满足条件的可以分解的簇。选择条件综合考虑簇的元素个数以及聚类代价（也就是误差平方和
SSE），误
以上是关于[机器学习]二分k-means算法详解的主要内容，如果未能解决你的问题，请参考以下文章
机器学习算法：知道canopyK-means++二分K-meansK-medoids的优化原理