K均值

机器学习--sklearn之k均值聚类

什么是簇？简单来说，簇就是分类结果中的类，但实际上簇并没有明确的定义，并且簇的划分没有客观标准，我们可以利用下图来理解什么是簇。该图显示了20个点和将它们划分成簇的3种不同方法。标记的形状指示簇的隶属关系。下图分别将数据划分成两部分、四部分和六部分。将2个较大的簇每一个都划分成3个子簇可能是人的视觉系统造成的假象。此外，说这些点形成4个簇可能也不无道理。该图表明簇的定义是不精确的，而好的定义依赖于
cofisher·2020-08-17 02:57

统计学习方法 第14章：聚类方法

统计学习方法第14章：聚类方法1基础知识1.1距离公式1.2软、硬聚类1.3三要素2k均值聚类2.1学习策略2.2迭代求解思路2.3算法流程3算法总结4代码附录github链接：https://github.com
zhanzi1538·2020-08-16 10:07

《机器学习实战》《西瓜书》学习（八）- K均值聚类

文章目录K均值聚类源代码二分K均值聚类源代码K均值聚类算法伪代码：创建k个点作为起始质心（经常是随机选择）当任意一个点的簇分配结果发生改变时对数据集中的每个数据点对每个质心计算质心与数据点之间的距离将数据点分配到距离其最近的簇对每一个簇
九号店·2020-08-16 09:48

python数据分析：新闻文本聚类

通常，聚类分析（也包括其他算法）大多是针对数值型做计算的，K均值这类基于聚类的算法要求只有数值型变量才能得到距离相似度。
泛泛之素·2020-08-16 08:47

机器学习常见10大算法图解

今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法K均值算法Adaboost算法神经网络马尔可夫1.决策树根据一些feature进
梦沁清风·2020-08-16 08:23

机器学习实战-64:线性判别分析降维算法(Linear Discriminant Analysis)

聚类算法包括：K均值聚类(K-Means)、层次聚类(HierarchicalClustering)和混合高斯模型(GaussianMi
MTVideoAI·2020-08-16 08:05

Python聚类分析

Python聚类分析导入类模块fromsklearn.clusterimportKMeans#导入K均值聚类算法importmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspdimportosos.chdir
徐尼莫·2020-08-16 07:09

K-means cluster

K-meanscluster1.K均值聚类（迭代算法）：C_center：初始化K个聚类中心计算样本集合到C_center的距离（本例使用欧几里德距离）按照最近原则进行聚类，如果聚类中心不发生改变，结束如果发生改变
qq_784583650·2020-08-16 02:35

聚类&相似性度量

层次聚类和k均值聚类是最常用的两种聚类算法。聚类需要根据样本特征的相似度或者距离来作为是否归属于某一类的依据，也就是相似的样本归为一类，不相似的样本不归为一类。
madhatter_ml·2020-08-14 23:27

基于 划分方法 聚类- K均值 & K中心点（算法理论）

对n个观测的对象构建K个分区，每一个分区表示一个簇。然后基于距离计算，首先需要给定一个分区数K。特点：适用于中小规模的球形数据簇。K-均值（误差平方和）步骤：1.在n个观测对象中随机选出K个观测对象，每一个观测对象代表一个簇。2.计算剩余的每一个对象到这些簇之间的欧氏距离，分配到最相似的簇中，然后在计算均值。3.使用计算出来的新的均值作为新的簇的中心，上述方式迭代，直到稳定形成最终的K个类。缺点：
Nicky_1218·2020-08-14 23:37

数据挖掘中的划分聚类简介(k均值和k中心点)

k均值方法介绍：从中任意选择k个对象作为簇的中心repeat根据均值，将每个对象划分到最相似的簇更新簇均值，计算每个簇对象的均值until不再发生变化存在的缺点;1.只有簇有均值定义的时候才能使用2.不适合发现凸形状的簇
yxj_1989·2020-08-14 08:41

划分聚类分析： K均值和基于中心点的划分（PAM）

一.原理K均值聚类最常见的划分方法是K均值聚类分析。
小青年的奋斗·2020-08-14 08:00

k均值聚类、k中心点聚类

K均值聚类K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
留和路288号·2020-08-14 07:25

Matlab绘制网络——顺便学习了Matlab写函数

画出来，以便得到直观的图形，找到网上一篇代码，如下：%最新版改进Salam网络拓扑随机生成算法通用MATLAB源码%{本程序为最新版源码，源码无删减，能绘出漂亮的网络拓扑图片，算法改进说明如下：1.使用K均值聚类控制节点分布的疏密
xiaoyao3857·2020-08-13 23:24

分类和聚类：算法理论和代码实现（填坑中……）

物以类聚，是汇总（无监督学习）2.分类和聚类常见算法分类算法：1）决策树分类法2）朴素贝叶斯分类法3）基于支持向量机（SVM）的分类器4）神经网络发5）K-最近邻法6）模糊分类法聚类算法：1）K均值聚类
七刀·2020-08-13 19:10

机器学习（8）--PCA算法及python中sklearn模块实现

吴恩达ML课程课后总结，以供复习、总结、温故知新，也欢迎诸位评论讨论分享，一起探讨一起进步：上一篇:机器学习（7）--K均值算法及python实现（附练习数据资源文件百度云）https://blog.csdn.net
执契·2020-08-13 17:48

基于sklearn的k均值类聚模型

理论无监督学习无监督学习是相对于有监督学习的概念，无监督学习的样本只有数据没有标签（label），由模型自主发现样本之间的关系。可用于数据的类聚（类聚算法）和降维（主成分分析）等。无监督学习的结果评估ARI指标当样本有真实指标（带label）时，可以使用ARI（调整兰德指数），公式为$$RI=\cfrac{a+b}{C_{2}^{n_{sample}}}$$$$ARI=\cfrac{RI-E(RI
月见樽·2020-08-13 11:23

Kmeans聚类算法及其matlab源码

假设将对象数据集分为个不同的类，k均值聚类算法步骤如下：Step1：随机从对象集中抽取个对象作为初始聚类中心；Step2：对于所有的对象，分别计算其到各个聚类中的欧氏距离，相互比较后
xholes·2020-08-12 14:44

【深度之眼吴恩达机器学习第四期】笔记（九）

目录K均值K均值算法语言描述伪代码描述解决分离不佳的簇K均值的损失函数K均值初始化如何选择K主成分分析用途1：去除冗余特征用途2：可视化数据直观来理解主成分分析主成分分析与线性回归的区别选择要降到几维（
树天先森·2020-08-12 12:34

scala-MLlib官方文档---spark.mllib package--clusteirng

k-meansK均值是最常用的聚类算法之一，它将数据点聚集成预定数量的聚类。spark.mllib实现包括k-means++方法的并行变体，称为kmeans||。spark.mllib
TIAN_R·2020-08-11 17:35

scala-MLlib官方文档---spark.ml package--clustering+model selection and hyperparameter tuning

六、clusteringK-meansk均值是最常用的聚类算法之一，它将数据点聚集成预定数量的聚类。MLlib实现包括k-means++方法的并行变体，称为kmeans||。
TIAN_R·2020-08-11 17:34

100天搞定机器学习|day43 几张GIF理解K-均值聚类原理

前文推荐如何正确使用「K均值聚类」？KMeans算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
机器学习算法与Python实战·2020-08-11 03:16

100天搞定机器学习|day43 几张GIF理解K-均值聚类原理

前文推荐如何正确使用「K均值聚类」？KMeans算法是典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
机器学习算法与Python实战·2020-08-11 03:44

100天搞定机器学习|day54 聚类系列：层次聚类原理及案例

几张GIF理解K-均值聚类原理k均值聚类数学推导与python实现前文说了k均值聚类，他是基于中心的聚类方法，通过迭代将样本分到k个类中，使每个样本与其所属类的中心或均值最近。
机器学习算法与Python实战·2020-08-11 03:12

100天搞定机器学习|day54 聚类系列：层次聚类原理及案例

几张GIF理解K-均值聚类原理k均值聚类数学推导与python实现前文说了k均值聚类，他是基于中心的聚类方法，通过迭代将样本分到k个类中，使每个样本与其所属类的中心或均值最近。
机器学习算法与Python实战·2020-08-11 03:12

100天搞定机器学习|day44 k均值聚类数学推导与python实现

[如何正确使用「K均值聚类」？1、k均值聚类模型给定样本，每个样本都是m为特征向量，模型目标是将n个样本分到k个不停的类或簇中，每个样本到其所属类的中心的距离最小，每个样本只能属于一个类。
机器学习算法与Python实战·2020-08-11 03:11

【聚类模型②】系统聚类算法——解决k均值聚类的遗留问题

上一篇博客我们提到，k均值聚类虽然可以对多个样本进行k分类，但即使是改进以后的k-means++聚类方法也存在一个问题：聚类结果很大程度上依赖于用户给定的类数k。那么有没有方法解决这个问题呢？
峰度偏偏·2020-08-11 00:05

【聚类模型①】k均值聚类算法

在研究大量的数据之中，哪几组数据比较接近的时候（如哪几个城市的消费习惯比较接近）可以选用这个多分类算法。笔者在观看清风的数模教程以后，总结如下要点：文章目录k-means操作流程k-means的优缺点优点缺点k-means++：k-means的改进算法基本原则基本原则的实现为什么能实现？均值聚类算法的两个讨论k-means操作流程选择分类数量k、设置算法的迭代次数选定初始的k个聚类中心将所有数据按
峰度偏偏·2020-08-11 00:05

机器学习实战 -- Task01. 决策树

完成以下任务：分类问题：K邻近算法分类问题：决策树分类问题：朴素贝叶斯分类问题：逻辑回归分类问题：支持向量机分类问题：AdaBoost回归问题：线性回归、岭回归、套索方法、逐步回归等回归问题：树回归聚类问题：K均值聚类相关问题
answer_9527·2020-08-10 20:37

机器学习十大常用算法

今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法K均值算法Adaboost算法神经网络马尔可夫1.决策树根据一些feature进行
c929833623lvcha·2020-08-10 15:09

数据挖掘笔记-聚类-KMeans-原理与简单实现

KMeansK-means（k均值）算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
人生偌只如初见·2020-08-10 08:54

基于 K-means 算法实现的文本聚类（干货）

k-means算法又称k均值，顾名思义就是通过多次求均值而实现的聚类算法。是一种无监督的机器学习方法，即无需知道所要搜寻的目标，而是直接通过算法来得到数据的共同特征。
折纸鹤·2020-08-10 05:19

MATLAB-k均值分类

K-means算法是最简单的一种聚类算法。算法的目的是使各个样本与所在类均值的误差平方和达到最小（这也是评价K-means算法最后聚类效果的评价标准）K-means聚类算法的一般步骤：初始化。输入基因表达矩阵作为对象集X，输入指定聚类类数N，并在X中随机选取N个对象作为初始聚类中心。设定迭代中止条件，比如最大循环次数或者聚类中心收敛误差容限。进行迭代。根据相似度准则将数据对象分配到最接近的聚类中心
Vuko-wxh·2020-08-10 03:25

Matlab K-means聚类算法对多光谱遥感图像进行分类（一）

（K均值聚类的matlab代码，对其算法进行实现。）
白艺亭·2020-08-09 23:04

无监督学习 | KMeans之Sklearn实现：电影评分聚类

文章目录1.KMeansinSklearn2.Sklearn实例：电影评分的k均值聚类2.1数据集概述2.2二维KMeans聚类3.肘部法选取最优K值4.多维KMeans聚类4.1三维KMeans聚类4.2
X1AO___X1A·2020-08-09 15:00

聚类

(一般用k均值聚类算法)聚类与分类相比较：分类：实例式学习，分类前明确各个类别的信息，并可以直接断言每个元素映射到一个类别；聚类：无监督学习，在聚类前不知道类别甚至不给定
张小凡vip·2020-08-09 10:35

常见的六大聚类算法

转载自：https://blog.csdn.net/Katherine_hsr/article/details/793822491.K-Means(K均值)聚类算法步骤：(1)首先我们选择一些类/组，并随机初始化它们各自的中心点
Class_Snail·2020-08-09 06:14

机器学习之简单入门分类算法:KMeans、KNN、Meanshift

KMeansk均值聚类算法（k-meansclusteringalgorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离
AI菌·2020-08-09 02:35

【技术】相似性度量学习及其在计算机视觉中的应用

模式识别和机器学习中的许多方法，如K近邻、K均值、RBF-SVM等，均涉及到了相似度或距离的计算，而相似度（距离度量）的好坏对这些方法的性能产生重要影响。
南山牧笛·2020-08-08 22:33

k均值聚类(K-means)

算法杂货铺——k均值聚类(K-means)4.1、摘要在前面的文章中，介绍了三种常见的分类算法。分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。
Cherry_cool·2020-08-08 12:50

语音识别学习日志 2018-7-17 语音识别基础知识准备（3）

2018-7-17Kmeans算法的缺陷k均值算法主要的两个缺陷：1.K值需要预先给定，很多情况下K值的估计是非常困难的，对于像计算全部微信用户的交往圈这样的场景就完全的没办法用K-Means进行。
WePlayDirty·2020-08-08 11:16

分类模型——k-means

1，简介k均值聚类算法（k-meansclusteringalgorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离
建模小白君·2020-08-07 21:20

《机器学习实战》笔记之十——利用K均值聚类算法对未标注数据分组

第十章利用K均值聚类算法对未标注数据分组10.1K-均值聚类算法K-均值是发现给定数据集的k个簇的算法，每个簇通过其质心来描述。其优点为容易实现，但可能收敛到局部最小值，在大规模数据集上收敛较慢。
无限大地NLP_空木·2020-08-07 18:45

手把手教你在多种无监督聚类算法实现Python（附代码）

本文简要介绍了多种无监督学习算法的Python实现，包括K均值聚类、层次聚类、t-SNE聚类、DBSCAN聚类。无监督学习是一类用于在数据中寻找模式的机器学习技术。
数据派THU·2020-08-07 18:07

K-均值聚类算法

一．k均值聚类算法对于样本集。"k均值"算法就是针对聚类划分最小化平方误差：其中是簇Ci的均值向量。从上述公式中可以看出，该公式刻画了簇内样本围绕簇均值向量的紧密程度，E值越小簇内样本的相似度越高。
diechen2576·2020-08-06 12:21

【数据挖掘】基于K均值聚类的离群点检测（python实现）

一、python代码'''Author:Vici__date:2020/5/21'''importmathimportrandomimportnumpyasnp'''Point类，记录坐标x，y和点的名字id'''classPoint:'''初始化函数'''def__init__(self,x,y):self.x=x#横坐标self.y=y#纵坐标'''计算两点之间的欧几里得距离'''defcal
Vici__·2020-08-06 12:08

使用 TensorFlow 构建机器学习项目中文版

构建机器学习项目中文版第1章探索和转换数据TensorFlow的主要数据结构–张量处理计算工作流程–TensorFlow的数据流程图运行我们的程序–会话基本张量方法总结第2章聚类从数据中学习–无监督学习聚类k均值
布客飞龙·2020-08-05 04:26

SciPy 输入输出

章节SciPy介绍SciPy安装SciPy基础功能SciPy特殊函数SciPyk均值聚类SciPy常量SciPyfftpack(傅里叶变换)SciPy积分SciPy插值SciPy输入输出SciPy线性代数
kevinhwu·2020-08-04 21:44

距离和相似度度量[转]

最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如K最近邻（KNN）和K均值（K-Means）。当然衡量个体差异的方法有很多，最近查阅了相关的资料，这里整理罗列下。
SimminonGarcia·2020-08-04 05:40

徒手写代码之《机器学习实战》----K均值算法（1）（对地理坐标进行聚类）

对地理坐标进行聚类说明:将places.txt和Portland.png放在当前目录下。fromnumpyimport*K-均值聚类支持函数"""1.选择聚类的个数，k。例如k=32.生成k个聚类中心点3.计算所有样本点到聚类中心点的距离，根据远近聚类。4.更新质心，迭代聚类。5.重复第4步骤直到满足收敛要求。（通常就是确定的质心点不再改变）创建k个点作为起始质心（随机选择）当任意一个点的簇分配结
憨宝宝·2020-08-03 23:41
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他