與 k 均值算法類似，“學習向量量化” (Learning Vector Quantization，簡 稱 LVQ)也是試圖找到一組原型向量來刻畫聚類結構， 但與一般聚類算法不同 的是， LVQ 假設數據樣本帶有類別標記，學習過程利用樣本的這些監督信息來 輔助聚類.
可看作通過聚類來形成 類別 "子類"結構，每個 子類對應一個聚類簇
給定樣本集 D = {(Xl,Yl), (X2，的)，… ， (Xm, Ym)}， 每個樣本的是由 η 個 屬性描述的特征向量 (Xjl; Xj2;. …; 句n)， 的 εy 是樣本町的類別標記. LVQ 的 目標是學得一組 η 維原型向量 {Pl，酌，. . . ，pq}， 每個原型向量代表一個聚類簇， 簇標記 ti ε y.

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的学习向量量化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。