我在Matlab中编程K均值算法时遇到了问题。为什么K-means算法不适合对细长数据集进行分类?用于细长数据集的聚类K均值算法
-3
A
回答
-2
0
如果您看目标函数,并且将x轴缩放10倍,则它变得更重要100倍。
对于“拉长”的数据,“长”维对结果有很大的影响,其他因素往往被忽略。
由于k-means是一种无监督算法,因此无法学习权重来对付这种情况。分类器(如线性SVM或决策树)可以做到这一点,因此不存在此问题。
相关问题
- 1. K均值聚类
- 2. 用于测试数据分类的k均值聚类
- 3. - [R k均值聚类数据
- 4. 用于聚类算法的数据集
- 5. PCA前K均值聚类
- 6. K均值聚类在MATLAB
- 7. K均值聚类Matlab
- 8. 了解K均值聚类
- 9. K均值聚类评价
- 10. 有限k-均值聚类?
- 11. K均值聚类图
- 12. 在线k均值聚类
- 13. k均值聚类的成本函数
- 14. 如何实现MFCC特征的K均值聚类算法?
- 15. 如何改进用于K均值聚类的“哑”矢量量化算法
- 16. 机器学习聚类算法:k均值和高斯混合
- 17. 确定具有大数据集的k均值的最佳聚类数
- 18. Python的K均值对文档聚类
- 19. IDL中的K均值聚类
- 20. Python的k-均值聚类文本
- 21. MATLAB中的k均值聚类代码
- 22. R中的K均值聚类
- 23. opencv中的K均值聚类
- 24. 基于节点值约束的k均值聚类
- 25. Matlab的:k均值聚类给人意想不到的集群
- 26. 如何调整K均值聚类?
- 27. - [R k均值聚类多个维度
- 28. 亨利马乌:k均值聚类
- 29. Refiguring K-均值聚类指标分析
- 30. Apache Mahout K均值聚类实现
这不应该是[交叉验证](http://stats.stackexchange.com)问题吗? – jeff