vault backup: 2026-04-20 23:05:40

01 Library/03 Math/Статистика/Кластерный анализ/Итерационная классификация. Метод K-средних (K-means).md

@@ -42,3 +42,7 @@ title: Итерационные Методы
 Недостатками метода можно отметить:
 - неясно, как выбирать исходные центры кластеров.
 - число кластеров надо знать заранее.
+
+## Связанные заметки
+- [[Метрические алгоритмы]] — kNN также классифицирует по минимальному расстоянию до ближайших объектов; supervised-аналог K-means
+- [[Расстояние между объектами]] — метрики расстояния, используемые при вычислении $\min \rho_{il}$

01 Library/03 Math/Статистика/Кластерный анализ/Расстояние между объектами.md

@@ -34,3 +34,7 @@ title: Расстояние Между Объектами
 3) $p=3:\ d_{m}=\sqrt[3]{|3 - (-4)|^{3}+|2-6|^{3}} = \sqrt[3]{7^{3}+4^{3}}=\dots$
 4) центр классов => среднее арифметическое собираем в одну точку
 
+## Связанные заметки
+- [[Метрические алгоритмы]] — те же формулы (Евклид, Манхэттен, Минковский, Махаланобис) реализованы в sklearn; ML-нота даёт практическое применение
+- [[Итерационная классификация. Метод K-средних (K-means)]] — использует $\min_{1 \leq l \leq k} \rho_{il}$ для отнесения объекта к кластеру
+