kmeans计算到质心的距离
时间: 2023-07-29 16:06:46 浏览: 165
计算机视觉KMeans聚类算法的python实现
在K-Means算法中,计算样本点到质心的距离通常采用欧氏距离(Euclidean Distance)或曼哈顿距离(Manhattan Distance)。
欧氏距离计算公式为:
$d(x,y)=\sqrt{\sum_{i=1}^n(x_i-y_i)^2}$
其中,$x$和$y$分别是两个样本点的特征向量,$n$是特征向量的维度。
曼哈顿距离计算公式为:
$d(x,y)=\sum_{i=1}^n|x_i-y_i|$
同样的,$x$和$y$分别是两个样本点的特征向量,$n$是特征向量的维度。
在K-Means算法中,通常采用欧氏距离作为距离度量方式。
阅读全文