K-Mean 聚类：评估新的聚类中心

Posted 2023-03-12

【中文标题】K-Mean 聚类：评估新的聚类中心

【英文标题】：K-Mean Clustering: Evaluating new Cluster centers

【发布时间】：2015-07-29 13:33:58

【问题描述】：

是在所有数据点的每次迭代之后评估新的集群中心，还是在为每个数据点分配集群之后评估新的集群中心更好？澄清一下，这两种方法中的哪一种是首选：

您将所有数据点分配给各个集群，然后找到新的集群中心 或者，您将下一个数据点分配给最近的集群并找到新的集群中心，然后重复移动到下一个点...

【参考方案1】：

这或多或少是两种主要方法

这或多或少是 Lloyd 方法 - 您迭代所有数据点，将每个数据点分配给最近的集群，然后相应地移动所有中心，重复。 这或多或少是一种 Hartigan 方法 - 您迭代每个数据点并查看是否将其移动到其他集群更好（它是否会最小化能量/使集群更“密集”），重复直到没有可能的变化.

两者哪个更好？实证研究显示了 Hartigan 方法的多重优势。特别是可以证明，Hartigan 不会比 Lloyd 工作得更差（每个 Hartigan 最优值也是 Lloyd 最优值，但不是相反）。 http://ijcai.org/papers13/Papers/IJCAI13-249.pdf 中有一个很好的理论和实践分析表明，应该遵循第二种方法，特别是如果数据中有许多可能不相关的特征。

【讨论】：

但是，如果您建议 Hartigan 方法更好，这不会导致在该过程的早期获得局部最优值的问题，从而导致更多的迭代次数达到全局最优值。例如，假设您考虑的第一个数据点是您获得的最终集群中最远的数据点，从而使第一个集群中心更新非常不准确。但是，如果您遵循 Lloyd 的方法，那么第一次更新不会总是至少与 Hartigan 的一样准确。不是事实，只是想知道......

每个方法都有一个反例，这不是重点。看看测试，一般来说 - 劳埃德的表现更差，这只是一个经验结论，而不是理论结果:)

lejlot 您似乎对集群有丰富的经验，如果您有时间可以检查一下这个问题：***.com/questions/32404742/…ty