我正在使用Java进行k-means聚类 . 我的代码中没有问题，看起来很好 . 但是，我不明白 .
第1步：选择N个中心 . （假设有N个簇）
步骤2：使用欧几里德距离将每个向量放入具有最近中心的聚类中 . （|| v1 - v2 ||）
第3步：找到每个群集的新均值（=中心）
步骤4：如果中心移动显着，请转到步骤2
然而，当我在每次迭代之后绘制总点数到中心距离的图时，我可以看到总数一直在减少（尽管它总体上正在减小并且收敛良好） .
第二次迭代的总距离总是比第一次短，并且是最短的 . 并且总距离在第3次迭代时略微增加并且在4次或5次迭代时收敛 .
我相信我被告知应该永远减少 . 怎么了？我的算法（实现）或我对总距离的假设？
1 回答
同一种子必须一直在减少 .
也许你的错误是你使用欧氏距离 .
K-means does not minimize Euclidean distances.
这是一种常见的误解，甚至有一半的教授都错了 . K均值最小化平方和，即欧氏距离平方和 . 不，这没有找到欧几里德距离最小的解决方案 .
所以要确保你到处都在绘制SSQ . 从代码中删除所有平方根 . 他们不属于k-means .