Unverified50% confidenceFactExact time
K-means的核心目标是最小化簇内平方误差和（WCSS），通过迭代更新簇中心来完成聚类
1
Sources
50%
Confidence
Long-term
Relevance
7/11/2026
First Seen
Sources
K-means vs 随机森林：如何从根本上判断算法选型？
redditr/learnmachinelearning7/10/2026
Related Claims
UnverifiedRAG调优中Top K（返回最相关的K个片段）和相似度阈值是最常需要调整的两个参数65% similarUnverifiedTop-K的K值存在经典权衡：K太小会漏掉关键信息，K太大会引入噪声导致大模型答案跑偏64% similarUnverifiedK-quant 系列引入了分块量化策略，对权重矩阵中不同的 block 使用不同的缩放参数以减少量化误差63% similarUnverifiedIVF算法通过K-means聚类将向量空间分区，检索时只扫描最近的若干分区，以牺牲少量精度换取更低的内存占用61% similarUnverifiedTop-K路由中K值的选择影响计算效率与表现能力之间的权衡，K越小推理越快但可能损失表达能力，实践中K通常取1或259% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/480312API
curl https://kongchang.com/api/v1/knowledge/claims/480312MCP
get_claim(id=480312)