K-Mean聚类：评估新的聚类中心

Question

在每次迭代所有数据点之后，或者在为每个数据点分配集群之后评估新的集群中心是否更好？澄清一下，首选哪两种方法：

1. 您将所有数据点分配给各个群集，然后找到新的群集中心
2. 或者，您将下一个数据点分配到最近的群集并找到新的群集中心，然后转到下一个点重复...

Answer 1

这些或多或少是两种主要方法

1. 或多或少Lloyd方法 - 迭代所有数据点，将每个数据点分配到最近的群集，然后相应地移动所有中心，重复。
2. 或多或少是一种Hartigan方法 - 你遍历每个数据点并查看是否更好地将其移动到其他群集（它是否最小化能量/使群集更“密集”），重复直到没有可能的变化

两者中哪一个更好？实证研究显示Hartigan方法的多重优势。特别是可以证明，哈蒂根不会比劳埃德更糟糕（每个哈蒂根最佳也是劳埃德最佳，但不是相反）。在http://ijcai.org/papers13/Papers/IJCAI13-249.pdf中有一个很好的理论和实践分析表明，应该遵循第二种方法，特别是如果数据中有许多可能不相关的特征。