待验证50% 置信事实精确时间
K-Means的目标是将n个样本划分到k个簇中,使得簇内样本到簇中心的距离平方和最小。
1
来源数
50%
置信度
长期有效
时效性
2026/11/8
首次发现
来源
涉及实体
相关事实
待验证K-means假设簇是凸形且各向同性的,对非球形分布效果差,且对离群值极为敏感68% 相似待验证轮廓系数对每个样本计算a(到同簇其他点的平均距离)与b(到最近异簇所有点的平均距离),取(b-a)/max(a,b),取值在[-1,1],越接近1表示簇内紧凑、簇间分离。67% 相似待验证在K-Splanifolds中,算法将输入空间划分为多个K维块,每个块内用Hermite样条构建局部流形,再通过平滑拼接形成全局函数;每个样本只激活少数块,减少了反向传播中的冗余计算。67% 相似待验证把 n 个单位复根画在单位圆上,会看到正 n 边形的顶点。62% 相似待验证正方形装箱问题研究如何将 n 个单位正方形不重叠地放入一个尽可能小的大正方形中60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1149338API
curl https://kongchang.com/api/v1/knowledge/claims/1149338MCP
get_claim(id=1149338)