Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
了解K-Means算法
Search
yafei002
January 08, 2017
Technology
1
210
了解K-Means算法
yafei002
January 08, 2017
Tweet
Share
More Decks by yafei002
See All by yafei002
了解人工神经网络
yafei002
1
210
了解朴素贝叶斯
yafei002
1
230
了解KNN算法
yafei002
0
170
了解决策树和C4.5算法
yafei002
1
260
数据可视化之视觉感知与认知
yafei002
1
390
数据可视化之地理信息可视化
yafei002
1
390
数据可视化之层次和网络数据可视化(上)
yafei002
1
670
数据可视化之复杂高维多元数据的可视化(上)
yafei002
1
290
Data Visualization Introduction and History
yafei002
1
320
Other Decks in Technology
See All in Technology
AzureでのIaC - Bicep? Terraform? それ早く言ってよ会議
torumakabe
1
600
私たち準委任PdEは2つのプロダクトに挑戦する ~ソフトウェア、開発支援という”二重”のプロダクトエンジニアリングの実践~ / 20260212 Naoki Takahashi
shift_evolve
PRO
2
190
Context Engineeringが企業で不可欠になる理由
hirosatogamo
PRO
3
660
Bedrock PolicyでAmazon Bedrock Guardrails利用を強制してみた
yuu551
0
260
AIが実装する時代、人間は仕様と検証を設計する
gotalab555
1
170
顧客との商談議事録をみんなで読んで顧客解像度を上げよう
shibayu36
0
300
OWASP Top 10:2025 リリースと 少しの日本語化にまつわる裏話
okdt
PRO
3
840
AI駆動開発を事業のコアに置く
tasukuonizawa
1
360
顧客の言葉を、そのまま信じない勇気
yamatai1212
1
360
ランサムウェア対策としてのpnpm導入のススメ
ishikawa_satoru
0
220
Why Organizations Fail: ノーベル経済学賞「国家はなぜ衰退するのか」から考えるアジャイル組織論
kawaguti
PRO
1
180
OCI Database Management サービス詳細
oracle4engineer
PRO
1
7.4k
Featured
See All Featured
Building Applications with DynamoDB
mza
96
6.9k
ラッコキーワード サービス紹介資料
rakko
1
2.3M
Rebuilding a faster, lazier Slack
samanthasiow
85
9.4k
AI: The stuff that nobody shows you
jnunemaker
PRO
2
270
Making Projects Easy
brettharned
120
6.6k
A Soul's Torment
seathinner
5
2.3k
Design of three-dimensional binary manipulators for pick-and-place task avoiding obstacles (IECON2024)
konakalab
0
350
The Anti-SEO Checklist Checklist. Pubcon Cyber Week
ryanjones
0
70
jQuery: Nuts, Bolts and Bling
dougneiner
65
8.4k
The Cult of Friendly URLs
andyhume
79
6.8k
The AI Search Optimization Roadmap by Aleyda Solis
aleyda
1
5.2k
Paper Plane (Part 1)
katiecoart
PRO
0
4.3k
Transcript
K-Means算法 yafei002
K均值算法工作原理 SSE(误差平方和)
特点 优点:简单 缺点/局限: 1. 对离群值和噪音敏感 2. 适用于具有中心(质心)概念的数 据 3. 仅能获得局部最优解
4. 对初始聚簇中心敏感 5. 选择最优的k值比较困难 6. 潜在问题可能产生“空聚簇”
《数据挖掘导论》 《机器学习实战》 《数据挖掘十大 算法》 参考