kmeans 余弦相似度

来源：钮旅网

kmeans 余弦相似度

K-means聚类算法也可以使用余弦相似度进行计算，具体步骤如下：

1. 根据第一步所得到的聚类划分，分别计算每个聚类的几何中心，将几何中心作为新的聚类中心。

2. 重复第一步，直到计算所得几何中心与聚类中心重合或接近重合为止。余弦相似度公式定义如下： cos(x,y)=x

⋅

y∣

x∣

∣

y∣

=∑k=1n

yk∑k=1n

xk2∑k=1n

yk2cos(x,y)=\\dfrac{xy}{\\left|x\\right|\\left|y\\right|} = \\dfrac{\\sum_{k=1}^n x_k y_k}{\\sqrt{\\sum_{k=1}^n x_k^2} \\sqrt{\\sum_{k=1}^n y_k^2}}

余弦相似度实际上是向量x和y夹角的余弦度量，可用来衡量两个向量方向的差异1。

注意：聚类数k必须事先已知。借助某些评估指标，优选最好的聚类数。 K-means中比较常用的距离度量是欧几里得距离和余弦相似度。

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文