Local Optimum
最適化問題において、周辺の解よりは良いが大域的な最適解ではない解。K平均法は局所最適解に陥ることがあり、初期値に依存して異なる結果になることがある。対策として複数の異なる初期値から試行し、最良の解を採用することが実践的。貪欲アルゴリズムを使う決定木なども同様に局所最適に陥りやすく、Bumpingはブートストラップによるデータの揺らしで局所最適からの脱出を試みる。
「K平均法は局所最適解に陥ることがある」
「貪欲アルゴリズムが局所最適に陥り、大域最適を見逃す問題」
「ブートストラップによるデータの揺らしで局所最適から脱出する仕組み」