where E is the squared-error value,

where E is the squared-error value,k the desired number of clusters,n the number of cluster data instances,ci is a centroid of the i-th cluster and pj is j-th data instance. The subtraction of instances represents distance of the two instances.The algorithm below is a common approach to accomplish the described function minimization. The approached minimum is, however, local, which why initial centroid distribution is so important

Kết quả (Việt) 1:

trong đó E là giá trị lỗi bình phương, k mong muốn số lượng cụm, n số cụm dữ liệu trường hợp, ci là centroid lần thứ i cụm và pj là j-th dữ liệu ví dụ. Trừ trường hợp đại diện cho khoảng cách của hai trường hợp. Các thuật toán dưới đây là một phương pháp phổ biến để thực hiện giảm thiểu chức năng được mô tả. Tiếp cận tối thiểu là, Tuy nhiên, địa phương, mà lý do tại sao ban đầu centroid phân phối là rất quan trọng

Kết quả (Việt) 2:

trong đó E là giá trị bình phương lỗi, k số mong muốn của các cụm, n số lượng các trường dữ liệu cluster, ci là một trọng tâm của cụm thứ i và pj là j-thứ dụ dữ liệu. Trừ các trường hợp đại diện cho khoảng cách của hai thuật toán instances.The dưới đây là một phương pháp phổ biến để thực hiện chức năng giảm thiểu mô tả. Tối thiểu tiếp cận, tuy nhiên, địa phương, mà tại sao phân bố trọng tâm ban đầu là rất quan trọng