K 表示聚类初始化答案

【问题标题】：K means clustering initializationK 表示聚类初始化
【发布时间】：2013-09-06 04:11:26
【问题描述】：

在k-means聚类中，如何入手？

我应该选择k个最远的点还是随机点并形成k个簇并将其他点加入簇？

或

如果

【问题讨论】：

【解决方案1】：

要播种 K-Means 算法，标准做法是从您的数据集中选择 K 个随机观测值。由于 K-Means 受局部最优值的影响（例如，根据初始化，它并不总能找到最佳解决方案），使用不同的初始化多次运行它并选择具有最低误差的结果也是标准的。

【讨论】：

【解决方案2】：

最初的 MacQueen k-means 使用 前 k 个对象作为初始配置。 Forgy/Lloyd 似乎使用 k 个随机对象。两者都可以很好地工作，但更聪明的启发式（参见 k-means++）可能需要更少的迭代。

请注意，k-means 不是基于距离的。它最小化了簇内平方和 (WCSS)。这恰好使平方欧几里得距离最小化，从而使欧几里得距离最小化。但最后，如果你用欧几里得距离来思考，它可能会得出错误的结论。最好考虑最小化方差。

【讨论】：