思无涯咿呀咿呀：已移除至K-means聚类的重定向

2020-10-15T08:02:12Z

已移除至K-means聚类的重定向

思无涯咿呀咿呀：重定向页面至K-means聚类

2020-10-15T08:01:16Z

重定向页面至K-means聚类

新页面

#重定向 [[K-means聚类]]

←上一版本		2020年10月15日 (四) 08:02的版本
第1行：		第1行：
−	~~#重定向~~ [[K-means聚类]]	+	“近朱者赤，近墨者黑。”
		+
		+	==简介==
		+
		+	[[File:knn_wiki.png]]
		+
		+	K近邻聚类算法（K-Nearest Neighbor Algorithm）的一个基本假设在于，一个观测点最可能所属于的类别，取决于它周围的小伙伴们。
		+
		+	如图所示，为了判断一个新来的观测点（绿色）到底属于红色类还是蓝色类，我们可以考察它周围离它最近的一定数目的观测点，看属于哪一类的最多。如果这个数目一开始被设置为3，绿色观测点就会被归在红色类里面；如果这个数目被设置为5，那么这个节点就会被归在蓝色类里面了。
		+
		+	这个算法可以解决半监督与无监督分类学习问题。
		+
		+	==算法==
		+
		+	*首先将待分类的点随机的标记为某些已知的类——当然，已经有分好类的点就不用这样标记了；
		+	*同时对每一个待分类的点进行一次重新标记，标记规则就是通过其周围K个最近邻判断它会最新属于哪类，而所谓“近”的含义通过点之间的距离函数给出；
		+	*循环直到收敛：考虑到重标注过程有可能不能达到收敛，甚至会导致陷入某些状态的循环，我们可以设置调整参数（如距离函数或近邻数）或者设置停止准则使其停止。
		+
		+
		+	==定义距离函数==
		+
		+	*欧式距离
		+	<math>d(x,y)= {\|\|x-y\|\|}_2 = \sqrt{\sum_i{(x_i-y_i)^2}}</math>
		+	*曼哈顿距离
		+	<math>d(x,y)= {\|\|x-y\|\|}_1 = \sum_i{\|x_i-y_i\|}</math>
		+	*汉明距离
		+	<math>d(x,y)= \sum_i{(x_i-y_i)^0}=\sum_i{(x_i \neq y_i)}</math>
		+	*<math>L_p</math>空间距离
		+	<math>d(x,y)= {\|\|x-y\|\|}_p = (\sum_i{(x_i-y_i)^p})^{1/p}</math>
		+
		+
		+	==相关wiki==
		+	*[[K-means聚类]]
		+	*[[Affinity propagation 聚类]]
		+	*[[K近邻聚类]]
		+
		+	[[Category:聚类分析]]
		+	[[Category:复杂系统]]
		+
		+
		+
		+	[[category:旧词条迁移]]

K近邻聚类 - 版本历史

思无涯咿呀咿呀：已移除至K-means聚类的重定向

思无涯咿呀咿呀：重定向页面至K-means聚类