如何初始化聚類中心

通常，我們會隨機選取 $K$ 個樣本作為 $K$ 個聚類中心$（K<m）$。但是，如下圖所示，不同的初始化有可能引起不同的聚類結果，能達到全局最優（global optimal）固然是好的，但是，往往得到的是局部最優（local optimal）。


現在，想要提前避免不好的聚類結果仍是困難的，我們只能嘗試不同的初始化：

$fori=1to100：$

隨機初始化，執行 K-Means，得到每個所屬的簇 $c^{(i)}$ ，以及各聚類的中心位置 $\mu$ ：
$$c^{(1)},c^{(2)},...,c^{(m)},{\mu }_1,{\mu }_2,...,{\mu }_k$$

計算失真函數 $J$

選擇這 100 次中， $J$ 最小的作為最終的聚類結果。

顯然，該方法計算量較大，所以只適用于 $K$ 值較小的場景。

總結

以上是生活随笔為你收集整理的6.4 如何初始化聚类中心-机器学习笔记-斯坦福吴恩达教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。