意义与机制
给定 k 个中心，每个点被分配到最近的簇。随后，每个簇内点的平均值被用作新的中心。
将分配给附近的中心，并更新平均值——这些操作方式，旨在避免使相同的平方目标函数增加。 结果可能会因初始中心而异。
关系与条件
SSE 是所有点与其分配的中心之间的距离的平方和。 在标准迭代过程中，SSE 减少过程的中途停止，以及在所有可能的簇中找到全局最优，是两个不同的概念。
欧几里得距离和平均值在球状聚类分析中表现良好，并且也会影响结果。选择 k 值，以及用于处理异常值和稀疏聚类的处理方法，都非常重要。
观察实验中需要注意的事物
更新任务和均值，从未增加平方误差。
使用欧几里得距离和种子点。空簇保留其中心。局部最小值不是真实类别。
关键关系与符号
μⱼ = mean(xᵢ ∈ Cⱼ) · SSE = Σ‖xᵢ − μⱼ‖²
| 符号 | 含义 | 单位 |
|---|---|---|
| k | 指定数量的簇 | 个 |
| μⱼ | 簇 j 的中心 | 特征坐标 |
| SSE | 簇内平方距离之和 | 平方特征单位 |
工作实例
每个中心是如何更新的？
分配的平均点 · 分配和平均更新永远不会增加平方误差。
常见误解
- 军用代码数字本身并不能保证它们具有预先存在的、正确的名称或意义。