机器学习之无监督学习K—means,性能评估
K分成几类
聚类思想:首先确定K个中心,然后根据其他每个点到中心的距离分堆,分好后再这个这个堆里再进行中心点寻找,若和之前中心不重合,则重新计算距离,重新分堆,直到最后重合为止
第一个参数K值
之前PCA降维案例后续:
聚类效果评估
高内聚,低耦合
轮廓系数:bi外部距离,ai内部距离
应用场景:无目标值先聚类,在分类
K分成几类
聚类思想:首先确定K个中心,然后根据其他每个点到中心的距离分堆,分好后再这个这个堆里再进行中心点寻找,若和之前中心不重合,则重新计算距离,重新分堆,直到最后重合为止
第一个参数K值
之前PCA降维案例后续:
聚类效果评估
高内聚,低耦合
轮廓系数:bi外部距离,ai内部距离
应用场景:无目标值先聚类,在分类