Skip to content
简体中文

切换主题

// ◇ 经典机器学习

K 均值聚类

反复“分组—求中心”,把数据分成 k 簇。

k-Means Clustering 1982 入门 核心

通俗解释

随机放 k 个中心,每个点归到最近的中心,再把中心移到组内平均位置,直到不再变化。向量数据库里的 IVF 索引和乘积量化都在用它。

用在哪里:用户分群、向量索引(IVF)、图像压缩

时间轴 · 前置 → 当前 → 后继

1977 期望最大化(EM)1982 K 均值聚类1996 DBSCAN 密度聚类2011 乘积量化 PQ

01原始论文

Least squares quantization in PCM

Lloyd et al. · IEEE Transactions on Information Theory · 1982

DOI ↗ ✓ 已核实 · Crossref API doi:10.1109/TIT.1982.1056489

备注:Lloyd 算法 1957 年为贝尔实验室内部报告,1982 年正式发表于 IEEE TIT;此处年份取正式发表年

02知识位置

左边先学;右边是学完它之后可以学的。

先学

  • 没有前置,可以直接学
K 均值聚类

学完可以学

相关:主成分分析

期望最大化(EM)乘积量化 PQDBSCAN 密度聚类主成分分析 K 均值聚类

左:前置 · 右:后继 · 虚线:相关。看完整关系图 →

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

所在学习路线:从零到深度学习

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)