机器学习中的聚类算法（2）：Mean Shift算法
发布时间
阅读量：
阅读量
引言：
Mean Shift算法与之前的K-means算法是有共同点的。
1、Mean Shift算法原理
1.1核心思想：
该算法基于密度计算。该算法包含一个称为半径的值。该算法需要计算一个漂移向量。在初始阶段，该算法也是随机选取的一个初始点。
第1步：首先随机选取一个质心点A，作为聚类中心。选择该质心后，设定一个合理的半径r。以质心A为圆心，r为半径画出一个圆圈。接着，计算质心A与其圆内所有点之间的向量距离（采用欧氏距离计算）。将所有向量的模长进行累加，将这些距离总和作为质心更新的方向向量。
第2步：例如，质心相加后移动至B点后，以B点为中心，以r为半径画另一个圆。随后，计算质心B与圆内所有点的距离，将所有向量进行求和操作，总向量和的模即为质心移动的距离，其方向即为总向量和的方向。
改写说明
最终，该分类结果会形成多个组别。该分组方式是通过算法自动计算得出的，无需人工干预，无需像K-Means算法那样，需要预先设定类别数量。
1.2算法实现/流程是什么：
1.3基于sklearn(机器学习库)算法库实现的案例
参考：https://www.cnblogs.com/liqizhou/archive/2012/05/12/2497220.html
2、实战
全部评论 (0)
还没有任何评论哟~