kmeans算法基本步骤 K-means的算法优点?
K-means的算法优点?
K-means聚类算法的优点如下:1。算法简单快速。对于大数据集具有较高的效率和可扩展性。时间复杂度近似线性,适合于挖掘大型数据集。K-means聚类算法的时间复杂度为O(NKT),其中n表示数据集中的对象个数,T表示迭代次数,K表示聚类个数。
k均值聚类公式?
西格玛=[1,0 0,1
]mu1=[1,-1
]x1=mvnrnd(mu1,西格玛,200)
mu2=[5.5,-4.5
]x2=mvnrnd(mu2,西格玛,200)
mu3=[1,4
]x3=mvnrnd(mu3,西格玛,200)
mu4=[6,4.5
]x4=mvnrnd(mu4,西格玛,200)
mu5=[9,0.0
]x5=mvnrnd(mu5,西格玛,200)
%获取要聚集的1000个数据点
X=[x1 x2 X3 X4 X5
]%显示数据点
绘图(x1(:,1),x1(:,2),“R.”)按住
绘图(x2(:,1),x2(:,2),“B.”)
绘图(X3(:,1),X3(:,2),“K.”)
绘图(X4(:,1),X4(:,2),“g.”)
绘图(X5(:,1),X5(:,2),“M.”)
保存MYX%保存X并将其加载到其他文件中
kmeans算法基本步骤 kmeans聚类算法代码 kmeans算法的应用举例
版权声明:本文内容由互联网用户自发贡献,本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。