非監督學習算法（聚類、降維、關聯規則挖掘）--機器學習--思維導圖手寫筆記（32）

一、思維導圖（點擊圖方法） 二、補充筆記 三、K-means算法的收斂性 說明： 當聚類中心μ確定時，求得的各個數據的cluster滿足聚類目標函數最小。 當數據cluster確定時，求得的聚類中心μ滿足聚類目標函數最小。 可以發現，k-means的兩個步驟都是在降低聚類目標函數的函數值，並且聚類的目標函數的函數值的下界爲0.  所以，可以k-means可以收斂。

>>阅读原文<<