K-means原理 步骤 API 案例：K-means对用户聚类 k = 3 轮廓系数 如果b_i > a_i；趋近于1效果最好 b_i < a_i 效果不好 轮廓系数值【-1,1】 趋近于1代表内聚度和分离度都相对较优 API 总结 特点：采用迭代式算法，直观易懂并且非常实用 缺点：容易收敛到局部最优解（多次聚类） 场景 没有目标 聚类-》分类 2020.11.29文章作者: wangzun233文章链接: https://wangzun233.top/2020/12/23/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A015-%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-K-means%E7%AE%97%E6%B3%95/版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 WangZun233！笔记机器学习上一篇00.uboot烧写下一篇机器学习14_模型的保存和加载 相关推荐 2020-12-23机器学习10_线性回归 2020-12-23机器学习06_模型的选择与调优 2020-12-07机器学习02_特征工程 2020-12-23机器学习04_sklearn转化器和预估器 2020-12-07机器学习01_数据集 2020-12-23机器学习05_KNN近邻算法
