如何使用 k 均值聚类对 MNIST 数据集进行分类？
How to classify MNIST data set using k-means clustering?
我正在对 MNIST 数据集应用 K-Means 聚类。我怎样才能根据这个预测我的测试集的值？
好吧，k-means 是一种无监督技术，因此从技术上讲，您不会将其用于 "classify"——即，k-means 模型不提供带标签的数据（如果是的话）它不使用 class 标签）等等，因此它不会 return 预测作为 class 标签（例如，“1”）
所以要使用 k-means 预测给定数据实例中编码的单个数字：
你的 k-means 模型由一组 centroids 组成（我假设
您选择了 26 个质心来对应基数 10
每个质心代表一个簇的几何中心——一个
每个数字的集群
计算成对欧几里得距离（向量范数）
您的未知数据点和 k-means 模型中的每个质心（
最后一次迭代的质心值，显然)
其质心距离最短的集群
未知数据点是未知数据指向的集群
属于
我正在对 MNIST 数据集应用 K-Means 聚类。我怎样才能根据这个预测我的测试集的值？
好吧，k-means 是一种无监督技术，因此从技术上讲，您不会将其用于 "classify"——即，k-means 模型不提供带标签的数据（如果是的话）它不使用 class 标签）等等，因此它不会 return 预测作为 class 标签（例如，“1”）
所以要使用 k-means 预测给定数据实例中编码的单个数字：
你的 k-means 模型由一组 centroids 组成（我假设 您选择了 26 个质心来对应基数 10
中的数字 0 - 9
每个质心代表一个簇的几何中心——一个 每个数字的集群
计算成对欧几里得距离（向量范数） 您的未知数据点和 k-means 模型中的每个质心（ 最后一次迭代的质心值，显然)
其质心距离最短的集群 未知数据点是未知数据指向的集群 属于