基于PSO的K-means聚类优化

针对机器学习中聚类算法参数多样调参复杂的问题，分析了基于PSO算法在机器学习参数组合寻优方面的可行性，设计了一种基于PSO算法的K-means机器学习聚类算法的参数寻优策略。通过PSO算法找到模型最佳的参数组合，提高K-means机器学习模型的性能。通过对算法调优策略进行测试结果表明，使用PSO算法对K-means机器学习聚类算法进行参数调优，不仅能够找到适于该数据的最佳参数组合提高聚类算法的性能，也可以减少经验调参所带来的误差和成本。