【数据挖掘题目,K—均值算法应用假设数据挖掘的任务是将如下的-查字典问答网

来自李琴书的问题

　　【数据挖掘题目,K—均值算法应用假设数据挖掘的任务是将如下的八个点（用（x,y）代表位置）聚类为三个簇.A1（2,10）,A2（2,5）,A3（8,4）,B1（5,8）,B2（7,5）,B3（6,4）,C1（1,2）,C2（4,9）距离函数】

　　数据挖掘题目,K—均值算法应用

　　假设数据挖掘的任务是将如下的八个点（用（x,y）代表位置）聚类为三个簇.A1（2,10）,A2（2,5）,A3（8,4）,B1（5,8）,B2（7,5）,B3（6,4）,C1（1,2）,C2（4,9）距离函数是欧几里得距离.假设初始我们选择A1,B1和C1分别为每个簇的中心,用k均值算法给出：

　　在第一轮执行后的三个簇中心点为多少?2.最后的三个簇是什么

3回答

2020-06-15 14:42

我要回答

请先登录

孙汝霞

　　第一轮

　　A1(2,10)

　　B1（5,8）,A3（8,4）,B2（7,5）,B3（6,4）,C2（4,9）

　　C1（1,2）,A2（2,5）

　　对应中心分别是（2,10),（6,6）,(1.5,3.5)

　　最后结果：

　　｛A1(2,10),B1（5,8）,C2（4,9）｝

　　｛A3（8,4）,B2（7,5）,B3（6,4）｝

　　｛C1（1,2）,A2（2,5）｝

2020-06-15 14:47:09

李琴书

　　请问是怎么分类的？比如说A1做中心时，是用各点离它的距离远近来判断是否能成为它的簇里么？谢谢

2020-06-15 14:48:41

孙汝霞

　　过程是这样的，第一轮以选的三个点为聚类中心，然后每取一个点判断与这三个中心之间的距离，并将该点放入到距离最近的中心点对应的类中，直到所有点处理晚。然后对每个聚类重新计算中心，计算方法就是取各个维度上的平均值。之后再将所有点再与这些中心计算距离并重新分类，知道不再有点发生分类变化为止。

2020-06-15 14:51:07