#Kmeans

Spark Kmeans算法

spark-submit--classcom.ones.soc.cf.KMeansClustering--masteryarn--num-executors3--driver-memory5g--executor-memory4g
houston123·2016-08-17 14:00

EM算法及OpenCV源码分析

如果使用了CvEM::START_AUTO_STEP，则会调用k-means算法估计最初的参数，K-means会随机地初始化类中心，KMEANS_PP_CENTERS，这会导致EM算法得到不同的结果，如果数据量越
Eason.wxd·2016-08-09 13:04

常用聚类算法

支持向量机（SupportVectorMachine,SVM）LR算法FM算法:FM主要用SVDFeature；随机森林（RandomForest,RF）GBDT算法，SVD算法hac算法Canopy算法kmeans
aoeace·2016-08-05 14:41

kmeans算法详解与spark实战

1.标准kmeans算法kmeans算法是实际中最常用的聚类算法，没有之一。kmeans算法的原理简单，实现起来不是很复杂，实际中使用的效果一般也不错，所以深受广大人民群众的喜爱。
bitcarmanlee·2016-08-02 10:01

Spark中saveAsTextFile至stage划分和job提交的源代码分析

阅读更多之前看了SparkStreaming和SparkSQL,自己还花了一些时间去玩了些machinelearning的算法，像线性回归，kmeans，协同过滤等。
humingminghz·2016-07-29 14:00

Spark中saveAsTextFile至stage划分和job提交的源代码分析

阅读更多之前看了SparkStreaming和SparkSQL,自己还花了一些时间去玩了些machinelearning的算法，像线性回归，kmeans，协同过滤等。
humingminghz·2016-07-29 14:00

spark高级数据分析---网络流量异常检测(升级实战)

在我的上一篇里我写的那个只是个人对KMeans聚类在这个项目中的一部分，今天花了很长时间写完和完整的运行测试完这个代码，篇幅很长，都是结合我前面写的加上自己完善的异常检测部分，废话不多说，直接代码实战：
汪本成·2016-07-24 22:10

160715_发现md文档是一个很有趣的新奇玩意儿！

全文主要内容磷石灰晶体分类的朴素贝叶斯和决策树模型及时间性能评价超导转变温度预测的决策树模型KMeans模型Demo具体内容可查看附件zip文件中的pdf文档，其中详细解释了所有的工作内容。
u012251305·2016-07-15 10:00

基础算法（二）：Kmeans聚类算法的基本原理与应用

Kmeans聚类算法的基本原理与应用   内容说明：主要介绍Kmeans聚类算法的数学原理，并使用matlab编程实现Kmeans的简单应用，不对之处还望指正。      
StayFoolish_Fan·2016-07-12 15:00

Kmeans聚类-K值以及簇中心点的选取

转自：Kmeans聚类-K值以及簇中心点的选取，保存在此，学习本文主要基于AnandRajaraman和JeffreyDavidUllman合著，王斌翻译的《大数据-互联网大规模数据挖掘与分布式处理》一书
学战到底·2016-07-10 15:00

SparkML之聚类(一)Kmeans聚类

------------------------------目录--------------------------------------------------Kmeans理论Matlab实现Spark
legotime·2016-07-06 07:20

SparkML之聚类(一)Kmeans聚类

------------------------------目录--------------------------------------------------Kmeans理论Matlab实现Spark
legotime·2016-07-06 07:00

kmeans++

kmeans++是kmean算法的改进，原来kmean算法在原始数据的最小、最大区间内均等的选择K个聚类中心，然而kmeans++却是从原始数据中选择K个作为初始聚类中心，这种思路的效果优于kmean.
cutelily2014·2016-07-03 10:09

R语言聚类分析

最常见的是kmeans法聚类> setwd("D:\\R_test")> data_in  fit  library(cluster)> clusplot(data_in, fit$cluster, color
qizok·2016-06-28 13:16

基于Kmeans的证件照背景色替换算法

[m,n,d]=size(I);data=[];fori=1:mforj=1:ndata=[data;I(i,j,1),I(i,j,2),I(i,j,3)];endend[IDX,C,sumd,D]=kmeans
clickyeah·2016-06-24 10:33

R语言-kmeans聚类理论篇K的选择（轮廓系数）

kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。
qq_34941023·2016-06-11 15:00

KMeans聚类算法Hadoop实现

Assistance.Java辅助类，功能详见注释[java]viewplaincopypackageKMeans;importorg.apache.hadoop.conf.Configuration;
garfielder007·2016-06-08 14:04

mahout应用kmeans进行文本聚类——实例分析

输入分析：mahout下处理的文件必须是SequenceFile格式的，所以需要把txtfile转换成sequenceFile，而聚类必须是向量格式的，mahout提供下面两个命令来将文本转成向量形式1.mahoutseqdirectory：将文本文件转成SequenceFile文件，SequenceFile文件是一种二制制存储的key-value键值对,http://www.dongtaipin
arrow8071·2016-05-27 11:00

IRIS数据采用Kmeans方法的C++实现

IRIS数据采用Kmeans方法的C++实现参考：http://blog.csdn.net/cai0538/article/details/7061922#include#include#include
chenchunyue11·2016-05-24 22:02

机器学习中各种距离计算

比如KNN近邻的距离，Kmeans距离，相似度中的距离计算。这种距离不一定都是欧氏距离，针对不同需求，数据的不同特点，距离的计算方式不同。下面给出机器学习中常用的距离计算方式，及其应用特点。
qq_23617681·2016-05-21 16:56

数据挖掘——聚类算法kmeans整理

【kmeans算法原理】随机选取k个中心点遍历所有数据，将每个数据划分到最近的中心点中（根据距离的大小进行划分，即计算每个样本点到所有中心点的距离，选择距离最小的那个）计算每个聚类的平均值，并作为新的中心点重复
adminabcd·2016-05-16 23:40

数据挖掘——聚类算法kmeans整理

【kmeans算法原理】随机选取k个中心点遍历所有数据，将每个数据划分到最近的中心点中（根据距离的大小进行划分，即计算每个样本点到所有中心点的距离，选择距离最小的那个）计算每个聚类的平均值，并作为新的中心点重复
adminabcd·2016-05-16 23:00

spark笔记-MLlib之kmeans

{SparkConf,SparkContext} importorg.apache.spark.mllib.clustering.KMeans importorg.apache.spark.mllib.linalg.Vectors
q383700092·2016-05-13 20:00

图像基本变换---KMeans聚类算法

本文将详细介绍K-Means均值聚类的算法及实现。  聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程。K均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。  算法过程： 1,初始化聚类数目K，并任意选择K个初始化均值ui。 2,迭代图像中每个像素
bravebean·2016-05-13 08:00

k-means初始点的选取

KMeans算法是最常用的聚类算法，主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦
hustlx·2016-05-10 13:56

哈工大深研院数字图像处理第二次大作业：水果自动识别（2）HSV空间聚类及SIFT算法目标识别

ProgramewasdevelopedintheconditionofWindowsaswellasLinuxserver,programminglanguageisMatlab(www.mathworks.com).Classify.m,Kmeans.m
u013576018·2016-05-09 20:00

KMeans算法检测网络异常入侵

非监督学习技术在决策树算法预测森林植被中我们可以体会到属于监督学习的分类和回归技术的强大，可以预测“即将发生”的事情使用监督学习技术有一个很关键的前提：需要大量的数据对模型进行训练，模型能够从已知的数据中学习规律进而预测未知的数据然而在某些场景下，并不是都能提供监督学习所需要的样本数据来训练模型，有可能只能给出部分正确的输出，甚至一个输出都没有这种情况下，监督学习的技术就不能够使用了此时，对应监督
qq1010885678·2016-05-09 17:00

了解 kmeans算法和谱聚类算法

谱聚类算法kmeans算法拉普拉斯矩阵不过真正要直观地理解谱聚类，其实应该从物理的简正模振动的角度来理解。
u014787301·2016-05-09 11:00

ML—EM

华电北风吹日期：2016-05-07EM算法是与kmeans极其相似的一个迭代优化算法，主要用于带隐含变量的极大似然估计问题。EM与kmeans一样，能够保证收敛，但不能保证全局收敛，对初始值敏感。
zhangzhengyi03539·2016-05-07 19:00

【原】Spark之机器学习(Python版)(一)——聚类

kmeans聚类相信大家都已经很熟悉了。在Python里我们用kmeans通常调用Sklearn包（当然自己写也很简单）。那么在Spark里能不能也直接使用sklean包呢？
Charlotte77·2016-05-06 14:00

【原】Spark之机器学习(Python版)(一)——聚类

  kmeans聚类相信大家都已经很熟悉了。在Python里我们用kmeans通常调用Sklearn包（当然自己写也很简单）。那么在Spark里能不能也直接使用sklean包呢？
Charlotte77·2016-05-06 14:00

python实现Kmeans文本聚类，通过PAC降维和Matplotlib显示聚类3d三维图像

首先感谢Eastmount写的内容http://blog.csdn.net/Eastmount/article/details/50545937。点击打开链接在此基础上，主要实现以下改进及结果1.替换使用sklearn.feature_extraction.text.TfidfVectorizer,将corpus文本转换为tfidf值的svm向量。2.通过PAC降维和Matplotlib显示聚类3
Eastmount·2016-05-05 17:00

数据挖掘--离群点检测

setwd("("D:/discrete")#读入数据Data=read.csv("D:/discrete/data/",header=T)Data=scale(Data)set.seed(12)km=kmeans
u013153546·2016-05-03 00:00

kmeans优缺点 及改进

Kmeans:优点：简单易实现缺点：可能收敛于局部最小值（对初始k个聚类中心的选择敏感），在大规模数据集上收敛较慢适用数据类型：数值型数据度量聚类效果的指标：SSE（sumofsquarederror,
u013593585·2016-04-29 10:00

第二个面试整理

面试题一道二叉树层序遍历的反转，然后就是实际文档如何提取成特征，手写kmeans（汗，都是手写这个，我还每次都是根据算法思路重写。。）
u010910436·2016-04-26 15:00

数据挖掘算法-k-means

k-means算法R实现#先用setwd设置工作空间，如D盘，并将相关数据拷贝到该目录下setwd("D:/k-means")#读入数据Data=read.csv("D:/k-means/data")km=kmeans
u013153546·2016-04-26 07:00

Kmeans算法详解及MATLAB实现

首先要来了解的一个概念就是聚类，简单地说就是把相似的东西分到一组，同Classification(分类)不同，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个classifier会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做supervisedlearning(监督学习)，而在聚类的时候，我们并
dulingtingzi·2016-04-25 16:53

Kmeans算法详解及MATLAB实现

首先要来了解的一个概念就是聚类，简单地说就是把相似的东西分到一组，同Classification(分类)不同，对于一个classifier，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个classifier会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做supervisedlearning(监督学习)，而在聚类的时候，我们并
dulingtingzi·2016-04-25 16:00

Kmeans

例如要把一组数据分成两个簇： ?123456789101112131415161718192021222324252627282930313233>dataset=matrix(c(1,2,+1.2,2,+8,9,+0.9,1.8,+7,10,+8.8,9.2),nrow=6,byrow=T)>dataset     [,1][,2][1,] 1.0 2.0[2,] 1.2 2.0[3,] 8.0
Real_Myth·2016-04-25 09:00

Spark 机器学习 —— KMeans

创建模型所对应的类及模型训练importorg.apache.spark.mllib.clustering.KMeans valkmeans=newKMeans() valmodel=kmeans.run
lanchunhui·2016-04-23 16:00

Oryx2源码学习

简介oryx官网代码分析基于oryx-2.1.2代码目录结构+oryx|-app#基于oryx平台实现的可复用的als、kmeans、rdf算法应用和一个wordcount例子|-conf#样例的conf
CodingCatX·2016-04-20 16:54

KMeans的C++及Python实现

include usingnamespacestd; constintk=3; constintdims=4; constintdataNum=150; typedefvectorTuple; voiddoKmeans
u013593585·2016-04-20 15:00

k-means确定初始中心值的方法

KMeans算法是最常用的聚类算法，主要思想是:在给定K值和K个初始类簇中心点的情况下，把每个点(亦即数据记录)分到离其最近的类簇中心点所代表的类簇中，所有点分配完毕之后，根据一个类簇内的所有点重新计算该类簇的中心点
lihaitao000·2016-04-15 20:00

关于聚类算法Kmeans/K-mediods/层次聚类/OPTICS较为详细的介绍

K-means算法将一群物理对象或者抽象对象的划分成相似的对象类的过程。其中类簇是数据对象的集合，在类簇中所有的对象都彼此相似，而类簇与类簇之间的对象是彼此相异。聚类除了可以用于数据分割（datasegmentation）,也可以用于离群点检测（outlierdetection）,所谓的离群点指的是与“普通”点相对应的“异常”点，而这些“异常”点往往值的注意。很多人在学习聚类之初，容易将聚类和分类
ann_hp·2016-04-14 22:56

零售户logistics回归分类

{LogisticRegressionWithLBFGS,LogisticRegressionWithSGD} importorg.apache.spark.mllib.clustering.KMeans
u012432611·2016-04-14 15:00

零售户决策树分类

._ importorg.apache.spark.mllib.clustering.KMeans importorg.apache.spark.mllib.evaluation.BinaryClassificationMetrics
u012432611·2016-04-14 14:00

基于Apache Spark的机器学习及神经网络算法和应用

英特尔公司软件开发工程师王以恒分享了《基于ApacheSpark的机器学习及神经网络算法和应用》的课程，介绍了大规模分布式机器学习在欺诈检测、用户行为预测（稀疏逻辑回归）中的实际应用，以及英特尔在LDA、Word2Vec、CNN、稀疏KMeans
周建丁·2016-04-14 00:26

机器学习day15 机器学习实战聚类之k均值聚类算法

k均值聚类称为kmeans，是一种非监督学习的算法，下面写一下对监督学习和非监督学习的理解。
fuyan159357·2016-04-12 22:00

简易kmeans-c++版本

#include #include #include #include #include #include #include #include #include #include intconstN=1000; intconsteps=1e-3; usingnamespacestd; typedefdoubledtype; typedefvector::size_typevt; doubledis
justdoithai·2016-04-12 20:00

【机器学习算法1】——kmeans聚类的设计与实现

kmeans算法属于非监督学习算法，因为在原始的数据集中没有类别标号。简单回顾一下kmeans聚类算法的思想：给定k的值，将原始的样本分为k个簇，使每个簇内的散度最小，簇与簇之间的散度最大。
qq_29828623·2016-04-10 14:00
上一页 49 50 51 52 53 54 55 56 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他