k-Means与EM之间的关系

内容来自PRML

k-means能够当作是两阶段的：

    第一阶段，肯定每个样本所属的聚类，在这个过程当中，聚类的中心保持不变

   第二阶段，肯定聚类中心，在这个过程当中，每个样本所属的类别保持不变

 

 

与EM之间的关系：

   第一阶段对应的是EM的E步，而第二阶段对应的是EM的M步。

 

此外，k-means不必定能达到全局最小的损失函数

这一点和EM类似，EM也不必定能保证找到全局最优值，不能保证收敛到极大值点（来自于统计机器学习）

 

附上一个参考的连接：

  https://www.cnblogs.com/pinard/p/6912636.html

 这里对某些细节部分，Q(zi) 的最后取值进行了解释，而获得这个公式的解释，能够看下面这个：

 https://blog.csdn.net/zhihua_oba/article/details/73776553