聚类 K-Means 代价
← ToolBox
/ 聚类 K-Means 代价
🌙
首页
‹
🤖 AI 人工智能
‹
聚类 K-Means 代价
🎯 聚类 K-Means 代价
估算 K-Means 聚类的惯性 inertia。
样本数
聚类数
维度
簇内散布
计算
复制结果
📐 计算公式与说明
Inertia ≈ ΣΣ||x − μ||²
Inertia 越小簇内越紧密。
🔗 相关工具
🎲
Dropout 保留期望
Dropout 保留期望
🔧
L1 L2 正则化惩罚
L1 L2 正则化惩罚
📥
RAG 召回率
RAG 召回率
📈
ROC AUC 近似
ROC AUC 近似
R
ReLU 与 LeakyReLU
R ReLU 与 LeakyReLU
S
Sigmoid 输出
S Sigmoid 输出