我正在学习 k-means 聚类算法，并且我读到该算法是“尝试最小化未满足聚类目标的损失函数”。
我理解该算法的基本概念，该算法在第一次迭代中初始化任意质心/均值，然后将数据点分配给这些集群。在所有点分配完毕后，更新质心，并再次重新分配点。该算法继续迭代，直到簇不再发生变化。该算法尝试最小化簇内平方和 (WCSS) 值，该值是簇内方差的度量。
但是，我无法理解该算法中损失函数的含义。任何见解都值得赞赏。
最佳答案
在更广泛的机器学习背景下，loss function (有时称为成本函数)是一个指示特定答案有多“糟糕”的函数。最小化损失函数相当于找到问题的“最佳”答案。
(考虑“损失最少”可能会很奇怪，在这种情况下，将其视为成本函数可能会更容易。目标是找到问题的最低成本解决方案。)
关于algorithm - 在 k 均值聚类中最小化损失函数意味着什么？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/63946886/