文章目录
KMeans聚类

图像分割
像素点分为不同的聚类(特征值相似度高的就是一堆聚类)

社交网络分析和推荐系统
依然是根据特征,不同对象不同的表达特征形式也不一样
具体流程
讲数据点分成K个不同的组,如果不知道K值,可以一个个尝试,效果最好的就是可以的K值

效果和作用
最终聚类完后可以判断新的数据是属于哪个组的,只需要通过判断其距离哪个聚类中心最近即可
像素点分为不同的聚类(特征值相似度高的就是一堆聚类)
依然是根据特征,不同对象不同的表达特征形式也不一样
讲数据点分成K个不同的组,如果不知道K值,可以一个个尝试,效果最好的就是可以的K值
最终聚类完后可以判断新的数据是属于哪个组的,只需要通过判断其距离哪个聚类中心最近即可