摘要： 上文原始Kmeans提到，由于Kmeans使用启发式迭代，所以当初始点不当时，导致得不到全局最优。 Kmeans++ 这个算法思想也很简单，与原始Kmeans唯一不同的是选择初始点的方式。 如图 假设，我们的样本如上图分布，准备选择3个初始点，即k=3。 第一，我随机选择了1作为初始点，求所有样本点 阅读全文

摘要： 原始Kmeans原理： Kmeans为无监督学习（即样本无标签，简单理解为没有Y值，只有X） Kmeans将给定的样本分为k个类，每一类成为一簇（clustering），目标是让每一簇样本紧密联系，簇与簇之间间隔较大 数学公式表示： 假设样本分$（C_{1},C_{2},,C_{k}）$，则优化目标 阅读全文