电竞外围投注平台:人工智能之K-Means算法

电竞外围投注平台

K-Means算法叙述:假设要把样本集分成c个类别,算法叙述如下:1)必要自由选择c个类的初始中心;2)在第k次递归中,对给定一个样本,欲其到c个中心的距离,将该样本归到距离最短的中心所在的类;3)利用均值等方法改版该类的中心值;4)对于所有的c个聚类中心,如果利用2)和3)的迭代法改版后,值维持恒定,则递归完结,否则之后递归。明确如下:输出:k,data[n];1)自由选择k个初始中心点,例如c[0]=data[0],…c[k-1]=data[k-1];2)对于data[0]….data[n],分别与c[0]…c[k-1]较为,假设与c[i]差值最多,就标记为i;3)对于所有标记为i点,新的计算出来c[i]={所有标记为i的data[j]之和}/标记为i的个数;4)反复2)和3),直到所有c[i]值的变化大于等价阈值。该算法的仅次于优势在于简练和较慢。

算法的关键在于初始中心的自由选择和距离公式。K-Means工作流程:1)从n个数据对象给定自由选择k个对象作为初始聚类中心;2)根据每个聚类对象的均值(中心对象),计算出来每个对象与这些中心对象的距离;并根据大于距离新的对适当对象展开区分;3)新的计算出来每个(有变化)聚类的均值(中心对象);4)循环2)到3)直到每个聚类仍然发生变化为止,即标准测度函数发散为止。录:一般使用皆方差作为标准测度函数。K-Means算法拒绝接受输入量k;然后将n个数据对象区分为k个聚类以便使得所取得的聚类符合:同一聚类中的对象相近度较高;而有所不同聚类中的对象相近度较小。

即,各聚类本身尽量的灵活,而各聚类之间尽量的分离。聚类相近度是利用各聚类中对象的均值所取得一个“中心对象”(引力中心)来展开计算出来的。_电竞外围投注平台。

本文来源:电竞外围投注平台-www.livluk.com

相关文章

网站地图xml地图