模型K均值 / K-means聚类

K-means

经典无监督聚类算法，由Stuart Lloyd于1957年提出，通过迭代更新簇中心最小化簇内平方误差和，将数据划分为k个簇

时间轴 (近 90 天)

9月12日

K-means、SOM 等传统原型式学习方法需要预先指定聚类中心或原型的数量

待验证50%

9月12日

核心机器学习算法包括线性回归、逻辑回归、决策树、随机森林、梯度提升（XGBoost、LightGBM）、K近邻和K-means聚类

待验证50%

9月7日

语义聚类基于词嵌入或句嵌入技术，将关键词映射为高维向量空间中的点，通过K-means、DBSCAN等聚类算法自动分组

待验证50%

9月3日

K-means聚类算法本质上是坐标下降法（coordinate descent）的一个具体实例

待验证50%

9月3日

K-means可以视为EM算法在高斯混合模型上的硬极限情况，EM算法使用软分配而K-means使用硬分配

待验证50%

K-means、SOM 等传统原型式学习方法需要预先指定聚类中心或原型的数量

核心机器学习算法包括线性回归、逻辑回归、决策树、随机森林、梯度提升（XGBoost、LightGBM）、K近邻和K-means聚类

语义聚类基于词嵌入或句嵌入技术，将关键词映射为高维向量空间中的点，通过K-means、DBSCAN等聚类算法自动分组

K-means聚类算法本质上是坐标下降法（coordinate descent）的一个具体实例

K-means可以视为EM算法在高斯混合模型上的硬极限情况，EM算法使用软分配而K-means使用硬分配