如何做k-means算法的最后步骤

Question

我的程序出了问题。我试图通过将一组RGB值聚类为3个簇来实现k-means（手动）。我只需要理解就不需要编码帮助。到目前为止，我已经这样做了：

1. 创建了3个集群对象，每个集群都有一个均值和一个数组来保存集群成员。
2. 导入文本文件并将RGB值保存在数组中。
3. 循环数组并为存储的每个RGB值计算使用欧几里德距离的最近距离的平均值。
4. 将每个RGB值添加到具有最接近平均值的群集数组中。

我做过研究，似乎无法理解下一步。研究表明：

在每个群集中，添加所有RGB值，将它们除以该群集中的值的数量，然后使用该值更新均值或;

找出所有RGB值与均值之间的平均距离，然后用该值更新均值或;

每次将RGB添加到群集时更新均值......

我似乎无法理解最后的步骤，谢谢。

Answer 1

拥有每个群集阵列后，重新计算“群集中心”，作为该群集中项目的平均值。然后，将每个项目重新分配给相应的群集（重新计算后最接近“中心”的群集）。当没有项目更改群集时你就完成了（理论上可能最终会出现一个项目在两个群集之间不断翻转的情况，使用广义距离测量 - 这可以被检测到无论如何都要停止循环 - 但我不知道认为它可能发生欧几里德距离）。

IOW，这将是你的三个选择中的第一个。我甚至不确定你的第二种选择是什么意思;第三个可能不稳定，并且取决于项目的任意顺序，所以我强烈反对它。