P147
4.2
假设数据挖掘的任务是将如下的8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 Euclidean 函数。假设初始我们选择 A1、B1 和 C1 为每个簇的中心,用 k-means 算法来给出。
(1) 在第一次循环执行后的三个簇中心。
(2) 最后的三个簇中心及簇包含的对象。
Euclidean 为欧式距离,该距离公式如下:
初始选择A1、B1和C1为每个簇的中心:
第一轮
P1(2,10):A1(2,10)
P2(5,8):B1(5,8),A3(8,4),B2(7,5),B3(6,4),C2(4,9)
P3(1,2):C1(1,2),A2(2,5)
对应中心分别是(2,10),(6,6),(1.5,3.5)
第二轮
P1(2,10):A1(2,10),C2(4,9)
P2(6,6):A2(2,5),C1(1,2)
P3(1.5,3.5):B1(5,8),A3(8,4),B2(7,5),B3(6,4)
对应中心分别是(3,9.5),(1.5,3.5),(6.5,5.25)



3415



被折叠的 条评论
为什么被折叠?



