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。