无监督学习聚类第5页

解析机器学习中的几种常见聚类算法

魔法_wanda·2024-02-04 22:59

机器学习——分级聚类法介绍及其Python实现

目录聚类分析概念1.1为什么聚类1.2聚类到底是什么1.3聚类与分类区别1.4相似性与距离聚类1.5相似性的测度特征相似度测度与聚类准则2.1特征相似度测度2.2聚类准则分级聚类法聚类分析概念1.1为什么聚类之所以要聚类

AI小小白·2024-02-04 22:29

【大厂AI课学习笔记】1.4 算法的进步（5）关于GPU

这一点在吴恩达教授的论文中得到了充分体现，他利用GPU进行大规模深度无监督学习，取得了显著的效果。

giszz·2024-02-04 11:51

[Python] 什么是KMeans聚类算法以及scikit-learn中的KMeans使用案例

什么是无监督学习？无监督学习是机器学习中的一种方法，其主要目的是从无标签的数据集中发现隐藏的模式、结构或者规律。

老狼IT工作室·2024-02-04 10:17

讲解机器学习中的 K-均值聚类算法及其优缺点

K-均值聚类算法是一种常见的无监督学习算法，用于将数据集分成不同的簇。该算法的目标是将数据点分配到k个簇中，使得每个数据点与所属簇的质心（中心）的距离最小化。

做一个AC梦·2024-02-04 04:23

Docker安装RabbitMq

RabbitMQ服务器是用Erlang语言编写的，而聚类和故障转移是构建在开放电信平台框架上的。所有主要的编程语言均有与代理接口通讯的客户端库。

永动的图灵机·2024-02-04 00:26

LLM大模型

在预训练阶段，LLM模型通过无监督学习从大规模的文本数据中学习语言的统计特征和语义信息。预训练任务通常包括掩码语言建模（MaskedL

程序小勇·2024-02-03 22:05

python数据分析之数据离散化——等宽&等频&聚类离散

有效的离散化能减小算法的时间和空间开销，提高系统对样本的分类聚类能力和抗噪声能力。2.离散化的特征更易理解比如工资收入，月薪2000和月薪20000，

Mr番茄蛋·2024-02-03 20:39

人工智能概论

从学习模式划分，分为有监督学习、无监督学习和强化学习。监督学习:监督学习是在给定的带标签的数据（也称为训练数据）上进行训练，然后使用这些训练模型对新的、未标记的数据进行分类或预测。

敲代码的小小酥·2024-02-03 19:30

kmeans聚类算法C++实现

先上作业题，大一的童鞋写这个，确实有一丁丁难。题目中出现了“这些点不重合”、“挑选K个不同点”的字眼，对于前者，使用c++的set可以直接去重，对于后者，可以采用“不放回抽样”。第一步，搭好程序框架，设计好数据结构，不涉及具体算法。看起来有些多，其实有些代码可以不要，比如用彩色输出内容。里面有一些c++的语法，可以用c替换，比如：容器vectorvec_all_point;可以替换为结构体数组Po

crazybobo1207·2024-02-03 16:04

2020李宏毅学习笔记——11.Unsupervised Learning： Linear Methods（无监督学习）

文章目录摘要1.Introduction（介绍）2.Clustering（聚类）2.1K-means2.2HAC3.DimensionReduction（降维）3.1HowtodoDimensionReduction

catcous·2024-02-03 15:08

2020李宏毅学习笔记——41.Unsupervised learning Linear Methods

每个读者的大脑就是一套独立的无监督学习系统,根据各自的识别模型/方式来把实例进行分类.一.无监督学习概念分为两类：（1）聚类&降维（化繁为简）：将多个输入抽象成一种类型（2）Generation（无中生有

是汤圆啊·2024-02-03 15:38

政安晨的AI笔记——示例演绎OpenAI的ChatGPT与DALL·E提示词总原则（并融合创作一副敦煌飞天仙女图）

它建立在GPT（GenerativePre-trainedTransformer）模型的基础上，通过大量的无监督学习和生成式任务训练来学习语言的概念和模式。

政安晨·2024-02-03 15:32

机器学习_无监督学习之聚类

文章目录介绍机器学习下的分类K均值算法K值的选取:手肘法用聚类辅助理解营销数据贴近项目实战介绍机器学习下的分类以下介绍无监督学习之聚类聚类是最常见的无监督学习算法。人有归纳和总结的能力，机器也有。

you_are_my_sunshine*·2024-02-03 10:35

机器学习_无监督学习之降维

文章目录介绍PCA算法通过PCA算法进行图像特征采样1.问题定义:给手语数字数据集降维2.导入数据并显示部分数据3.进行降维模型的拟合介绍降维是把高维的数据降到低维的空间或平面上进行处理，也就是让特征数量减少，同时保留特征中的主要信息，从而简化数据集的空间结构，更易于可视化。PCA算法最常见的降维算法是主成分分析(PrincipalComponentAnalysis，PCA)，它是通过正交变换将可

you_are_my_sunshine*·2024-02-03 10:35

数据聚类：一种有效的数据分析技术

数据聚类作为一种无监督学习方法，可以帮助我们发现数据中的潜在模式和结构，从而更好地理解数据。本文将介绍数据聚类的基本概念、常用算法、常用方法、注意事项和应用场景。

正儿八经的数字经·2024-02-03 08:58

机器学习入门-----sklearn

机器学习基础了解概念机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来定义：从数据中自动分析获得模型，并利用模型对特征数据【数据集：特征值+目标值构成】进行预测算法数据集的目标值是类别的话叫做分类问题；目标值是连续的数值的话叫做回归问题；统称监督学习；另一类是无监督学习

辣椒酱.·2024-02-03 07:30

kmeans聚类代码

参考知乎大神的技术代码代码教程一列数据聚类，现在将代码贴上，中间有图显示有点问题，但是不影响最后结果的输出importpandasaspdimportseabornassnsimportmatplotlib.pyplotaspltimportwarningsfromsklearn.clusterimportKMeanswarnings.filterwarnings

kelly1250230225·2024-02-03 07:59

机器学习-线性回归【手撕】

决策树，随机森林，支持向量机的分类器等分类算法的预测标签是分类变量，多以{0，1}来表示，而无监督学习算法比如PCA，KMeans的目标根本不是求解出标签，注意加以区别。

alstonlou·2024-02-03 07:23

机器学习知识体系总结

机器学习体系概括监督学习（SupervisedLearning）十种监督学习方法统计学习方法：模型+策略+学习方法模型策略学习算法无监督学习（UnsupervisedLearning）半监督学习参考所有的知识

qq_36661243·2024-02-03 07:22

机器学习-*-MeanShift聚类算法及代码实现

本身其实是一种基于密度的聚类算法。主要思路是：计算某一点A与其周围半径R内的向量距离的平均值M，计算出该点下一步漂移（移动）的方向（A=M+A）。

Leo蓝色·2024-02-03 07:14

机器学习系列 - Mean Shift聚类

文章目录前言一、原理前置知识点MeanShift计算步骤二、应用举例-图像分割三、聚类实战-简单实例bandwidth=1bandwidth=2总结前言MeanShift（均值漂移）是基于密度的非参数聚类算法

学海一叶·2024-02-03 07:08

[AIGC] 讲解机器学习中的 K-均值聚类算法及其优缺点。

K-均值聚类（K-meansclustering）是一种常用的无监督学习算法，用于将数据集划分成K个不重叠的簇(cluster)。

程序员三木·2024-02-03 06:54

单细胞scRNA-seq测序基础知识笔记

单细胞scRNA-seq测序基础知识笔记scRNA-seq技术scRNA-seq分析流程数据预处理聚类标准化数据筛选有用的数据数据降维聚类Clustering注释细胞类型scRNA数据分析结尾该笔记来源于

是土豆大叔啊！·2024-02-03 05:38

2019-04-08

聚类离散把相同、相似以及相近的数据进行聚合。对每一个聚类的簇进行命名后就是离散的结果。回归平滑对两个有相关性的变量进行拟合，

AliceGYY·2024-02-03 03:11

K-means 算法的原理简介

1.K-means是一种流行的用于聚类的无监督机器学习算法。它是用于客户细分、库存分类、市场细分甚至异常检测的核心算法。2.无监督：K-means是一种无监督算法，用于没有标签或预定义结果的数据。

GIS工具-gistools2021·2024-02-02 22:26

语义分割：从早期探索到深度学习的突破

语义分割：从早期探索到深度学习的突破语义分割的端倪：从早期探索到深度学习的突破引言早期技术：图像处理与模式识别边缘检测区域生长图割(GraphCut)聚类方法深度学习的兴起：CNN革命2012年AlexNet

kadog·2024-02-02 21:08

降维(Dimensionality Reduction)

一、动机一：数据压缩这节我将开始谈论第二种类型的无监督学习问题，称为降维。

时间邮递员·2024-02-02 16:39

改进的 K-Means 聚类方法介绍

这就是k均值聚类背后的直觉。我们随机生成K个质心，每个簇一个，并将每个数据点分配给与该数据点最近的质心对应的簇。然后，我们生成新的质心，每个质心都是属于该簇的所有点的平均值。然后重复这个过程直到收敛。

小Z的科研日常·2024-02-02 14:52

算法大览：24美赛深度总结与代码分享

内容包括数据降维、聚类、论文写作、异常值检测、论文配图、图像相关算法以及机器学习自动化预测等多个主题，其中包含详实的案例和实用的代码示例。最后，祝大家取得好成绩！

小Z的科研日常·2024-02-02 14:21

Geoda进行莫兰指数（Moran‘s I指数）相关

Geoda软件一、数据处理二、Geoda--莫兰指数画图一、数据处理1、数据处理我要做的操作是对各套数据源进行莫兰指数计算，看Moran’s散点图、显著性地图、聚类地图相关内容。

初于青丝mc终于白发·2024-02-02 08:19

新媒体与传媒行业数据分析实践：从网络爬虫到文本挖掘的综合应用，以“中国文化“为主题

大家好，我是八块腹肌的小胖，下面将围绕微博“中国文化”以数据分析、数据处理、建模及可视化等操作目录1、数据获取2、数据处理3、词频统计及词云展示4、文本聚类分析5、文本情感倾向性分析6、情感倾向演化分析

八块腹肌的小胖·2024-02-02 07:12

【机器学习】AAAI 会议论文聚类分析

实验五：AAAI会议论文聚类分析本次实验以AAAI2014会议论文数据为基础，要求实现或调用无监督聚类算法，了解聚类方法。1任务介绍每年国际上召开的大大小小学术会议不计其数，发表了非常多的论文。

住在天上的云·2024-02-02 07:38

scikit-learn

什么是监督学习和无监督学习？监督学习：有输入和预期输出的学习；无监督学习：由真实(groundtruth)找到最好的假设(hypothesis)—预期输出不明确的学习方式。分类和回归的不同？

JerryYang105·2024-02-02 06:26

机器学习和模型训练的浅谈

机器学习涵盖了多种算法和技术，如监督学习、无监督学习、强化学习等。简单来说，机器学习关注的是如何从数据中“学习”知识或模式，以便进行预测或决策。而模型训练则是机器学习中的一个具体步骤，它涉及到使用已

MarkHD·2024-02-02 03:17

分层聚类和K-means聚类

hierarchicalclustering：分层聚类通过连续不断地将最为相似的群组两两合并，来构造出一个群组的层级结构。其中的每个群组都是从单一元素开始的。

刘相培在努力学习中·2024-02-02 02:32

Sentence-BERT: 一种能快速计算句子相似度的孪生网络

这种结构使得BERT不适合语义相似度搜索，同样也不适合无监督任务（例如：聚类）。本文基

javastart·2024-02-02 00:03

机器学习系列——（二）主要任务

本文将详细介绍机器学习的主要任务，包括分类、回归、聚类和推荐系统等，让我们一同探索这个引领智能时代的关键技术。分类任务分类任务是机器学习中最常见的任务之一。它的目标是将数据分为不同的类别或标签。

飞影铠甲·2024-02-01 18:03

Twin Contrastive Learning for Online Clustering

论文链接arxiv.org/pdf/2210.11680.pdf这篇文章利用双路对比学习实现了在线聚类，对我这个方向有一定帮助，以下是此双路对比学习的对比损失函数实例对比损失classInstanceLoss

Mr___WQ·2024-02-01 15:12

异质信息网络表征学习综述

摘要信息网络表征学习的目的：利用网络的拓扑结构、节点内容等信息将节点嵌入到低维的向量空间中,同时保留原始网络固有的结构特征和内容特征,从而使节点的分类、聚类、链路预测等网络分析任务能够基于低维、稠密的向量完成

白色的生活·2024-02-01 15:19

详解谱聚类算法理论基础

前言最近由于研究需要，学习了谱聚类算法。大致是先在CSDN上对算法有个全局的认识，然后在B站上看了点视频加深认识，最后在谷歌学术上找了一些论文加以巩固理论基础。

This_chao·2024-02-01 13:46

聚类算法理论

目录原理与用途常见的聚类方式聚类中需要注意的问题：常见算法以及应用k-均值聚类k-均值聚类过程该算法的特点算法参数介绍聚类分析的应用案例层次聚类层次聚类的过程算法特点参数介绍层次聚类的应用小案例特征聚类原理与用途聚类是一种无监督学习算法

是鱼儿啊～·2024-02-01 13:15

第九章　聚类　Clustering

第九章聚类(UnsupervisedLearning)无监督学习:训练样本的标记信息是未知的，通过对无标记数据的训练来找出数据内部所存在的规律以及性质．为进一步的数据分析打下基础１．知识点聚类过程中会自动的形成簇结构

GeekDengshuo·2024-02-01 13:45

Merry_hj·2024-02-01 13:44

聚类(Clustering)理论

一、无监督学习介绍在这小节中，我将开始介绍聚类算法，这是我们学习的第一个非监督学习算法，我们将要让计算机学习无标签数据而不是此前的标签数据。那么什么是非监督学习呢？

时间邮递员·2024-02-01 13:14

C/C++编程-理论学习-考鼎录＜子驱动程序＞

子驱动程序模式的一般实现套路一套聚类接口一些公共数据组成的抽象对象（数据结构）一组函数指针组成的

用户昵称100·2024-02-01 13:49

【深度学习：机器学习模型】如何构建您的第一个机器学习模型

【深度学习：机器学习模型】如何构建您的第一个机器学习模型第1步：将您的机器学习项目置于情境中第2步：探索数据并选择机器学习算法的类型监督学习无监督学习强化学习第3步：数据收集第4步：选择模型评估方法维护保留验证集

jcfszxc·2024-02-01 11:59

机器学习-聚类算法Kmeans【手撕】

聚类算法在训练时，使用没有标签的数据集进行训练，希望在没有标签的数据里面可以发现潜在的一些结构。其中使用范围较广的是，聚类算法。聚类算法的目的是将数据划分成有意义或有用的组（或簇）。

alstonlou·2024-02-01 10:45

深入理解K均值算法：Python中的应用与实践

1.2K均值算法的工作原理1.3算法的优势与局限性2.K均值算法的实现步骤2.1初始聚类中心的选择方法2.1.1随机选择初始中心点2.1.2K均值++算法2.2数据点与聚类中心的距离计算2.2.1欧氏距离计算

theskylife·2024-02-01 09:54

人工智能与机器学习——开启智能时代的里程碑

写在前面前言人工智能与机器学习的概述监督学习、无监督学习和强化学习的基本原理监督学习：无监督学习：强化学习：机器学习的算法和方法常见的机器学习算法和方法线性回归：决策树：支持向量机：神经网络：人工智能与机器学习的应用领域人工智能与机器学习的未来发展结论

洁洁！·2024-02-01 01:32

推荐频道

无监督学习聚类