machine-learning - K 均值聚类 : Evaluating new Cluster centers

Question

在所有数据点的每次迭代之后评估新的聚类中心更好，还是在为每个数据点分配聚类之后评估新的聚类中心更好？澄清一下，首选这两种方法中的哪一种:

1. 将所有数据点分配到各个聚类，然后找到新的聚类中心
2. 或者，将下一个数据点分配给最近的聚类并找到新的聚类中心，然后重复移动到下一个点...

Answer 1

这或多或少是两种主要方法

1. 这或多或少是 Lloyd 方法 - 迭代所有数据点，将每个数据点分配给最近的集群，然后相应地移动所有中心，如此重复。
2. 这或多或少是一种 Hartigan 方法 - 迭代每个数据点，看看是否最好将其移动到其他集群(是否可以最小化能量/使集群更加“密集”)，重复直到没有可能的变化.

这两个哪个更好？实证研究表明 Hartigan 方法具有多种优势。特别是可以证明，Hartigan 的工作效果不会比 Lloyd 差(每个 Hartigan 最优值也是 Lloyd 最优值，但反之则不然)。 http://ijcai.org/papers13/Papers/IJCAI13-249.pdf中有很好的理论和实践分析。表明，应该遵循第二种方法，特别是当数据中有许多可能不相关的特征时。