Fuzzy C-means 与 Gaussian Mixture Model 聚类的区别?修改

问答 ⋅ 七里芬芳 ⋅ 于 2019-03-13 10:40:13 ⋅ 最后回复由青牛于 2019-03-13 15:14:59 ⋅ 1752 阅读

模糊C均值聚类与高斯混合模型都是对K-means算法的延伸，且两者都属于软划分，即每个样例以一定的概率（比例）属于每一类，那这两者究竟有何区别呢？或者说各自的优势在哪里？

成为第一个点赞的人吧

回复数量: 1

青牛国内首批大数据从业者，就职于金山，担任大数据团队核心研发工程师
⋅ 2019-03-13 15:14:59

解决软划分的主要方法就是Fuzzy C-means 与 Gaussian Mixture Model 他们共同的特点就是可以动态调整K的个数，不必人工指定，解决k均值容易收敛到局部最优，效果受初始值影响很大，易受噪声点影响的问题，区别主要是优化函数，思想和算法不一样

请注意单词拼写，以及中英文排版，参考此页
支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`, 更多语法请见这里 Markdown 语法
支持表情，可用Emoji的自动补全, 在输入的时候只需要 ":" 就可以自动提示了 :metal: :point_right: 表情列表 :star: :sparkles:
上传图片, 支持拖拽和剪切板黏贴上传, 格式限制 - jpg, png, gif，教程
发布框支持本地存储功能，会在内容变更时保存，「提交」按钮点击时清空

Ctrl+Enter