k-means assumes the variance of the

k-means assumes the variance of the distribution of each attribute (variable) is spherical;
all variables have the same variance;
the prior probability for all k clusters is the same, i.e., each cluster has roughly equal number of observations;
If any one of these 3 assumptions are violated, then k-means will fail.

I could not understand the logic behind this statement. I think the k-means method makes essentially no assumptions, it just minimizes the SSE, so I cannot see the link between minimizing the SSE and those 3 "assumptions".

Results (Thai) 1:

ถึงสันนิษฐานความแปรปรวนของการกระจายของแต่ละคุณลักษณะ (ตัวแปร) ทรงกลมตัวแปรทั้งหมดมีความแปรปรวนเหมือนกันความน่าเป็นก่อนสำหรับคลัสเตอร์ k ทั้งหมดเป็นเหมือนกัน เช่น แต่ละคลัสเตอร์มีเท่าจำนวนการสังเกตถ้ามีละเมิดใด ๆ หนึ่งเหล่านี้ 3 แล้วถึงจะล้มเหลวฉันไม่เข้าใจถึงเหตุผลเบื้องหลังคำสั่งนี้ คิดทำให้ถึงไม่มีสมมติฐานเป็นหลัก มันเพียงช่วยลด SSE ดังนั้นฉันไม่สามารถเห็นการเชื่อมโยงระหว่างการลดของ SSE และเหล่า 3 "สมมติฐาน"

Results (Thai) 2:

K-วิธีอนุมานความแปรปรวนของการกระจายของแต่ละแอตทริบิวต์ (Variable) ที่เป็นทรงกลม
ตัวแปรทุกคนมีความแปรปรวนเดียวกัน
น่าจะเป็นก่อนสำหรับทุกกลุ่ม K จะเหมือนกันกล่าวคือแต่ละคลัสเตอร์มีจำนวนเท่ากับของการสังเกต;
ถ้าคนใดคนหนึ่ง เหล่านี้ 3 สมมติฐานถูกละเมิดแล้ว K-หมายถึงจะล้มเหลว.

ผมไม่เข้าใจตรรกะที่อยู่เบื้องหลังคำสั่งนี้ ผมคิดว่าวิธีการ K-หมายถึงการทำให้สมมติฐานหลักไม่ก็แค่ลด SSE ดังนั้นฉันไม่สามารถมองเห็นความเชื่อมโยงระหว่างการลด SSE และผู้ที่ 3 "สมมติฐาน" การ

Results (Thai) 3:

k-means ถือว่า ความแปรปรวนของการแจกแจงของแต่ละคุณลักษณะทรงกลม ( ตัวแปร ) ;ตัวแปรทุกตัวมีความเดียวกันความน่าจะเป็นก่อนสำหรับกลุ่ม K ทั้งหมดจะเหมือนกัน คือ แต่ละกลุ่มมีจำนวนเท่ากับของการสังเกต ;หากมีหนึ่งของเหล่านี้ 3 สมมติฐานถูกละเมิดแล้ว k-means จะล้มเหลวฉันสามารถเข้าใจเหตุผลที่อยู่เบื้องหลังคำสั่งนี้ ฉันคิดว่า k-means วิธีทำให้เป็นหลักไม่มีสมมติฐาน มันแค่ลด SSE ดังนั้นฉันไม่สามารถเห็นการเชื่อมโยงระหว่างการ SSE และคนที่ 3 " สมมติฐาน "