7,129
个编辑
更改
跳到导航
跳到搜索
第92行：
第92行： + 第101行：
第102行： + 第117行：
第119行： −
→标准算法（朴素k-means）
每个在哪里<math>x_p</math>被分配给正好一个<math>S^{(t)}</math>，即使可以将其分配给其中两个或多个。
每个在哪里<math>x_p</math>被分配给正好一个<math>S^{(t)}</math>，即使可以将其分配给其中两个或多个。
该算法通常表示为按距离将对象分配给最近的群集。使用除（平方）[[欧氏距离]]以外的其他距离函数可能会阻止算法收敛。已经提出的改进的k-means算法，如[[spherical k-means]]和[[k-medoids]]，使用了其他距离度量。
该算法通常表示为按距离将对象分配给最近的群集。使用除（平方）[[欧氏距离]]以外的其他距离函数可能会阻止算法收敛。已经提出的改进的k-means算法，如[[spherical k-means]]和[[k-medoids]]，使用了其他距离度量。
“分配”步骤被称为“期望步骤”，而“更新步骤”是最大化步骤，这使得该算法成为广义期望最大化算法的变体。
“分配”步骤被称为“期望步骤”，而“更新步骤”是最大化步骤，这使得该算法成为广义期望最大化算法的变体。
===变体===
===变体===