非监督学习算法(聚类、降维、关联规则挖掘)--机器学习--思维导图手写笔记(32)
一、思维导图(点击图方法)
二、补充笔记
三、K-means算法的收敛性
说明:
- 当聚类中心μ确定时,求得的各个数据的cluster满足聚类目标函数最小。
- 当数据cluster确定时,求得的聚类中心μ满足聚类目标函数最小。
可以发现,k-means的两个步骤都是在降低聚类目标函数的函数值,并且聚类的目标函数的函数值的下界为0. 所以,可以k-means可以收敛。
说明:
可以发现,k-means的两个步骤都是在降低聚类目标函数的函数值,并且聚类的目标函数的函数值的下界为0. 所以,可以k-means可以收敛。