K-Mean 聚类：评估新的聚类中心

Question

是在所有数据点的每次迭代之后评估新的集群中心，还是在为每个数据点分配集群之后评估新的集群中心更好？澄清一下，这两种方法中的哪一种是首选：

1. 您将所有数据点分配给各个集群，然后找到新的集群中心
2. 或者，您将下一个数据点分配给最近的集群并找到新的集群中心，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 - 您迭代所有数据点，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，重复。
2. 这或多或少是一种 Hartigan 方法 - 您迭代每个数据点并查看是否将其移动到其他集群更好（它是否会最小化能量/使集群更“密集”），重复直到没有可能的变化.

两者哪个更好？实证研究显示了 Hartigan 方法的多重优势。特别是可以证明，Hartigan 不会比 Lloyd 工作得更差（每个 Hartigan 最优值也是 Lloyd 最优值，但不是相反）。 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。