常规聚类与k-means聚类之间的区别

我有一组N个数值,并对它们执行以下两个操作

1) 对数值进行排序和迭代,然后将它们划分为k个桶。

2) 运行Lloyd算法(如此处所述)并获得k个均值。

能否请有人解释这两个结果的物理意义和区别?


回答:

在#2中,k-means建立了一个Voronoi图,它为分类实例提供了分区。你可以将每个分区视为#1中的一个“桶”。

你对#1的描述实际上并没有描述一个算法,所以从某种模糊的角度来看,这两个描述之间没有区别。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注