K-means聚類及相關理論介紹
- 什么是K-Means聚類方法
- Kmeans聚類演算法流程
什么是K-Means聚類方法
將Kmeans聚類分為兩部分進行介紹：
- 聚類：所謂聚類就是將資料集中的資料，根據某部分特性進行類別的劃分，
- 聚類流程：
- 資料準備，將需要聚類的資料集進行一些預處理，如歸一化、正則化、降維等
- 特征選取，定義需要聚類的特征，比如狗的分類中，都有尖尖的耳朵，
- 特征提取，提取到關鍵的特征
- 聚類，根據類似特征，對資料進行分類
- 效驗，對最終聚類的結果進行效驗并調整 - Kmeans：kmeans就是經典且有效的聚類演算法，
主要思想：計算各個資料的之間的聚類，并將這幾個類別分為K個類別，
具體：準備一個資料集和人為設定的聚類數目K值（在YOLO系列中Anchor聚類的數目為9，這是精確度和速度的均衡）；選取K個物件作為開始的聚類中心，然后計算每個物件與聚類中心之間的聚類，將物件分配到對應的聚類中心；分配完成之后，在重復計算以滿足設定的某個條件，
Kmeans聚類演算法流程
-
1 隨機初始化資料
-
-
2 生成兩個聚類中心（第一次是隨機生成的），將每個類別計算距離距離中心的距離，進行分類，
-
3 計算每個聚類中心的平均值（如：X坐標/Y坐標的均值作為新的聚類中心），生成新的聚類中心，再對按照聚類中心的距離重新分類，
-
不斷重復，最終沒什么變化或者滿足閾值調節終止，即算到最優情況
-
!!!end!!!
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/339011.html
標籤：AI