|
关注：1
2013-05-23 12:21
求翻译：Unfortunately, there is no general theoretical solution to find the optimal number of clusters for any given dataset. A simple approach is to compare the results of multiple runs with different k classes and choose the best one, but we need to be careful because increasing k not only results in smaller error function v是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Unfortunately, there is no general theoretical solution to find the optimal number of clusters for any given dataset. A simple approach is to compare the results of multiple runs with different k classes and choose the best one, but we need to be careful because increasing k not only results in smaller error function v
问题补充： |
|
2013-05-23 12:21:38
不幸的是，不存在一般的理论解决方案，以找到集群对于任何给定的数据集的最佳数目。一个简单的方法是比较多个运行不同的k个类别的结果，并选择最好的一个，但我们必须要小心，因为增钾不仅会导致较小的误差函数值的定义，而且过度拟合的风险增加。
|
|
2013-05-23 12:23:18
不幸地，没有看到群的优选的数量的一般理论解答所有特定数据集的。一种简单的方法将多奔跑的结果与不同的k类比较和选择最佳一个，但是我们需要小心，因为增长的k不仅导致更小的误差函数价值根据定义，而且overfitting的一种增长的风险。
|
|
2013-05-23 12:24:58
不幸地，没有看到群的优选的数量的一般理论解答为所有特定数据集。 一种简单的方法将多奔跑的结果与不同的k类比较和选择最佳一个，但我们需要小心，因为增长的k不仅导致更小的误差函数价值由定义，而且overfitting的一种增长的风险。
|
|
2013-05-23 12:26:38
不幸的是，没有一般理论上的解决方案为任何给定数据集找到最佳的簇数。一个简单的办法是将与不同 k 类的多个运行的结果进行比较和选择最好的一个，但我们必须要小心，因为越来越多 k 不只在较小的误差函数值按结果定义但也过度臃肿的风险不断增加。
|
|
2013-05-23 12:28:18
不幸的是,没有一般理论解决方案,找到最佳的群集的任何给定数据集。 一个简单的方法是对结果进行比较的多个运行时具有不同的K类和选择最佳的一个,但我们必须要小心,因为增加K不仅较小值函数的定义,而且一个overfitting风险日益增加的。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
