Powered by 吴恩达机器学习入门
K-均值的代价函数
K-均值最小化问题,是要最小化所有的数据点与其所关联的聚类中心点之间的距离之和,因此 K-均值的代价函数(又称畸变函数 Distortion function)为:
优化目标
其中μc(i)代表与x(i) 最近的聚类中心点。优化目标便是找出使得代价函数最小的c(1),c(2),…c(m)和 μ1,μ2,…,μk。
回顾刚才给出的:
K-均值的迭代算法
K-均值迭代算法,第一个循环是用于减小c(i)引起的代价,而第二个循环则是用于减小μi引起的代价。迭代的过程一定会是每一次迭代都在减小代价函数,不然便是出现了错误。