Đi xe đạp trong thuật toán k-mean

Theo wiki , tiêu chí hội tụ được sử dụng rộng rãi nhất là "sự thay đổi đã không thay đổi". Tôi đã tự hỏi liệu đi xe đạp có thể xảy ra nếu chúng ta sử dụng tiêu chí hội tụ như vậy? Tôi sẽ hài lòng nếu bất cứ ai chỉ ra một tài liệu tham khảo cho một bài viết đưa ra một ví dụ về việc đi xe đạp hoặc chứng minh rằng điều này là không thể.

Bài viết này xuất hiện để chứng minh sự hội tụ trong một số bước hữu hạn.

Hàm mục tiêu -means giảm nghiêm ngặt theo từng thay đổi của phép gán, tự động ngụ ý sự hội tụ mà không cần đạp xe. Hơn nữa, các phân vùng được tạo ra trong mỗi bước của -means đáp ứng "thuộc tính Voronoi" ở chỗ mỗi điểm luôn được gán cho trung tâm gần nhất. Điều này hàm ý giới hạn trên của tổng số phân vùng có thể, tạo ra giới hạn trên hữu hạn về thời gian kết thúc cho -means.$k$$k$$k$

Trong độ chính xác hữu hạn , đi xe đạp có thể xuất hiện.

Đi xe đạp là thường xuyên trong độ chính xác duy nhất, đặc biệt trong độ chính xác gấp đôi.

Khi gần với mức tối thiểu cục bộ, chức năng mục tiêu đôi khi có thể tăng nhẹ do lỗi làm tròn số. Điều này thường vô hại khi hàm thuật toán giảm trở lại và cuối cùng đạt đến mức tối thiểu cục bộ. Nhưng đôi khi, thuật toán bước trên một bài tập được truy cập trước đó và bắt đầu đạp xe.

Thật dễ dàng và an toàn để theo dõi các chu kỳ trong việc thực hiện các tiêu chí dừng trong thế giới thực.