k-means聚类的基本步骤

TIPS：本文共有 191 个字，阅读大概需要 1 分钟。

K-Means算法是典型的基于距离的非层次聚类算法，在最小化误差函数的基础上将数据划分为预定的类数K，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。

k-means算法基本步骤

(1)从数据中选择k个对象作为初始聚类中心

(2)计算每个聚类对象到聚类中心的距离来划分

(3)再次计算每个聚类中心

(4)计算标准测度函数，之道达到最大迭代次数，则停止，否则，继续操作。

如果觉得《k-means聚类的基本步骤》对你有帮助，请点赞、收藏，并留下你的观点哦！