在 k-means 聚类中最小化损失函数意味着啥？

Posted 2023-03-12

【中文标题】在 k-means 聚类中最小化损失函数意味着啥？

【英文标题】：What does minimising the loss function mean in k-means clustering?在 k-means 聚类中最小化损失函数意味着什么？

【发布时间】：2021-01-04 20:52:06

【问题描述】：

我正在学习 k-means 聚类算法，并且我读到该算法是“尝试最小化不满足聚类目标的损失函数”。

我了解算法的基本概念，它在第一次迭代中初始化任意质心/均值，然后将数据点分配给这些集群。在点全部分配后更新质心，并再次重新分配点。该算法继续迭代，直到集群不再改变。该算法试图最小化集群内平方和 (WCSS) 值，该值是集群内方差的度量。

但是，在此算法的上下文中，我无法理解损失函数的含义。任何见解都值得赞赏。

【参考方案1】：

在更广泛的机器学习环境中，loss function（有时称为成本函数）是一个指示特定答案有多“糟糕”的函数。然后，最小化损失函数对应于找到问题的“最佳”答案。

（考虑“损失最少的金额”可能会很奇怪，在这种情况下，将其视为成本函数可能更容易。目标是找到问题的最低成本解决方案。）

【讨论】：

是的，但是如果成本函数很高，我们需要做什么？使用其他算法或选择其他特征进行训练或做什么？我也很感兴趣，因为我也是新手。 :)