kmeans 作为一个算法本身,输入和参数不变,输出也不会变
但是实际使用时为了保证较好的效果,一般会加入一些随机性,比如:
随机选择初始聚类中心,这样每次运行结果就不一样了
那么有什么解决办法吗?
只能在反复训练中找到最好的聚类结果,然后保存下来,后面都用这个结果。
这样也不是没有道理,因为,这本来就是训练集需要的数据,在实际或者实验中,训练集本身就是提前知道的,在训练集不变的情况下就可以使用这种方法。
欢迎访问我的个人网站:
李培冠博客:lpgit.com
kmeans 作为一个算法本身,输入和参数不变,输出也不会变
但是实际使用时为了保证较好的效果,一般会加入一些随机性,比如:
随机选择初始聚类中心,这样每次运行结果就不一样了
那么有什么解决办法吗?
只能在反复训练中找到最好的聚类结果,然后保存下来,后面都用这个结果。
这样也不是没有道理,因为,这本来就是训练集需要的数据,在实际或者实验中,训练集本身就是提前知道的,在训练集不变的情况下就可以使用这种方法。
欢迎访问我的个人网站:
李培冠博客:lpgit.com
kmeans 作为一个算法本身,输入和参数不变,输出也不会变
但是实际使用时为了保证较好的效果,一般会加入一些随机性,比如:
随机选择初始聚类中心,这样每次运行结果就不一样了
那么有什么解决办法吗?
只能在反复训练中找到最好的聚类结果,然后保存下来,后面都用这个结果。
这样也不是没有道理,因为,这本来就是训练集需要的数据,在实际或者实验中,训练集本身就是提前知道的,在训练集不变的情况下就可以使用这种方法。
欢迎访问我的个人网站:
李培冠博客:lpgit.com
此处评论已关闭