在 k-均值算法中,以下哪个选项可用于获得全局最小?

1799 次浏览
  • A、尝试为不同的质心(centroid)初始化运行算法
  • B、调整迭代的次数
  • C、找到集群的最佳数量
  • D、以上所有
传统K均值算法随机选取初始聚类中心,往往会造成聚类结果陷入局部最优解,改进初始类中心的选取方法可以提升K均值算法的聚类效果,获得全局最优解。A选项,尝试为不同的质心初始化实际就是在寻找最佳的初始类中心以便达到全局最优;B选项,迭代的次数太少无法获得最优解,同样也无法获得全局最优解,所以需要通过调整迭代次数来获得全局最优解;C选项,集群的最佳数量也就是K值是人为定义的,事先不知道多大的K值能够得到全局最优,所以需要调试K值,以达到全局最优。综上所述,D选项为正确答案。
挑战成功
4个月前
挑战成功
2年前
挑战失败
2年前
挑战失败
2年前
挑战失败
2年前
挑战成功
2年前
挑战失败
2年前
挑战成功
3年前
挑战成功
3年前
挑战失败
3年前