kmeans原理如下：
输入：聚类个数k，以及包含n个数据对象的数据库 。输出：满足方差最小标准的k个聚类 。
【kmeans原理】K-means算法是很典型的基于距离的聚类算法 ， 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 。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标 。K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛 。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法 。包括初始化优化K-Means++,距离计算优化elkanK-Means算法和大数据情况下的优化MiniBatchK-Means算法 。

kmeans原理的详细内容就为您分享到这里，【什么知道】www.shenmezhidao.com小编为您精选以下内容，希望对您有所帮助：

• 制作风铃的原理是什么
• 玉米收割机的工作原理
• 怎么学好混凝土结构设计原理
• 微波的产生原理是什么
• 凯恩斯经济学原理是什么
• 三相变频器工作原理详解
• 冰箱保鲜原理
• 微波炉可以烘干吗
• 解释下惠更斯
• 西方经济学和管理学原理哪个难