K-means

聚类算法实现（二）DBSCAN

根据上面第二个数据集的簇的形状比较怪异，分簇结果应该是连起来的属于一个簇，但是k-means结果分出来很不如人意，所以这里介绍一种新的聚类方法，此方法不同于上一个基于划分的方法，基于划分主要发现圆形或者球形簇
aai7747·2022-12-27 21:16

K-Means算法中k值及初始类簇中心点的选取

1k值的选择手肘法手肘法的核心指标是SSE(sumofthesquarederrors，误差平方和)，其中，Ci是第i个簇，p是Ci中的样本点，mi是Ci的质心（Ci中所有样本的均值），SSE是所有样本的聚类误差，代表了聚类效果的好坏。手肘法的核心思想是：随着聚类数k的增大，样本划分会更加精细，每个簇的聚合程度会逐渐提高，那么误差平方和SSE自然会逐渐变小。并且，当k小于真实聚类数时，由于k的增大
一枚小码农·2022-12-27 20:06

k-means聚类后，利用python计算每个节点到自身聚类中心的欧式距离

利用spark的k-means算子跑完模型后，得到中心节点，计算每个节点到中心节点的距离，用于选择每个聚类中更加典型的节点importpandasaspdimportsklearn.preprocessingaspreprocimportmatplotlib.pyplotaspltimportnumpyasnpdf_center
Good_Spark·2022-12-27 20:36

【数据聚类】第三章第二节4：K-Means算法及其Python实现（初始中心点的选择和K-Means++算法）

本文上接：【数据聚类】第三章第二节3：K-Means算法及其Python实现（性能分析、算法优缺点和K值的选择方法）文章目录一：朴素方法二：KKK-MeansMeansMeans++算法（1）算法思想（
快乐江湖·2022-12-27 20:35

机器学习复习

欧式距离与马氏距离欧式距离：最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中一般在机器学习模型中会涉及到衡量两个样本间的距离，如聚类、KNN，K-means等，使用的距离为欧式距离马氏距离
WRStop·2022-12-27 19:11

聚类模型——k-means

聚类和分类的区别：分类是已知类别的，聚类未知类别目录一、K-means1，算法流程K-means聚类的算法流程：图解过一遍：2，WCSS(Within-ClusterSumofSquares)簇内平方和
Fran OvO·2022-12-27 16:01

利用sklearn中的Kmeans对seeds_dataset数据集进行分类分析

目录前言一、k-means主要步骤二、数据集三、不使用PCA降维1.读入数据2.找簇心3.训练以及评估4.完整代码四、使用PCA降维五、对比结果前言本篇文章是主要讲述利用sklearn库中的Kmeans
ggbooo·2022-12-27 08:57

人工智能与机器学习---用线性LDA、k-means和SVM算法进行二分类可视化分析

一、支持向量机（SVM）算法的原理支持向量机（SupportVectorMachine，常简称为SVM）是一种监督式学习的方法，可广泛地应用于统计分类以及回归分析。它是将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面，分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大，分类器的总误差越小。1、支持向量机的基
鄧丫丫·2022-12-27 00:18

机器算法基础——回归分析

内容大纲1、回归算法-线性回归分析2、线性回归实例3、回归性能评估4、分类算法-逻辑回归5、逻辑回归实例6、聚类算法-kmeans7、k-means实例Q：如何判断是分类算法还是回归算法由目标值特征来决定使用分类
咸鱼2K·2022-12-26 23:42

K-means聚类模板

#-*-coding:utf-8-*-importpandasaspd#参数初始化inputfile='../data/consumption_data.xls'#销量及其他属性数据outputfile='../tmp/data_type.xls'#保存结果的文件名k=3#聚类的类别iteration=500#聚类最大循环次数data=pd.read_excel(inputfile,index_c
克莱默申克·2022-12-26 21:53

k-means算法的matlab代码实现_教程 | matlab实现kmeans聚类算法

kmeans聚类算法是一种简单实用的聚类算法，matlab自带函数kmeans可直接对数据进行kmeans聚类。为了方便更好地掌握kmeans聚类算法，今天我们自己来实现一个弱化的版本mykmeans。mykmeans输入包含三项，分别为聚类所使用的数据data，data每一行代表一个样本，每一列代表一个特征；聚类中心数量numclass；第三项为所使用的距离的定义，默认情况下为欧式距离。func
weixin_39574140·2022-12-26 21:23

k-means可视化

fromsklearn.clusterimportKMeansimportnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdfromsklearn.preprocessingimportMinMaxScalerX=np.array(value)X_max=np.max(X)X_min=np.min(X)X=(X-X_min)/(X_max-X
ACE-Mayer·2022-12-26 21:52

k-means 聚类方法，转 4/15

k-means聚类聚类算法有很多种，K-Means是聚类算法中的最常用的一种，算法最大的特点是简单，好理解，运算速度快，但是只能应用于连续型的数据，并且一定要在聚类前需要手工指定要分成几类。
唐僧哥哥121·2022-12-26 21:51

《机器学习实战》第10章 k-means聚类可视化

frommathimportsqrtfromdisimportdisfromrandomimportrandomimportnumpyasnpimportmatplotlib.pyplotaspltimportmath'''-----函数定义区-----'''defloadDataSet(fileName):dataMat=[]fr=open(fileName)forlineinfr.readli
Reyl·2022-12-26 21:51

Spark2.0机器学习系列之10： 聚类(高斯混合模型 GMM）

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means
千寻千梦·2022-12-26 14:46

聚类(幂迭代聚类， power iteration clustering， PIC)

https://blog.csdn.net/qq_34531825/article/details/52675182在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means
斯汤雷·2022-12-26 14:45

Spark2.0机器学习系列之8： 聚类(k-means,Bisecting k-means,Streaming k-means）

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means
千寻千梦·2022-12-26 14:45

Spark2.0机器学习系列之11： 聚类(幂迭代聚类， power iteration clustering， PIC)

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means
张博208·2022-12-26 14:15

SparkML（五）

聚类k-means算法k-means算法是聚类分析中使用最广泛的算法之一。它把n个对象根据它们的属性分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。
北极光。·2022-12-26 14:15

Spark 3.0 - 15.ML PIC 快速迭代聚类理论与实战

目录一.引言二.PIC理论1.谱聚类2.快速迭代聚类三.PIC实战1.数据准备2.构建PIC3.预测与展示四.总结一.引言前面介绍了K-means聚类与高斯混合聚类，本文介绍另外一种聚类方法PowerIterationCluster
BIT_666·2022-12-26 14:14

Spark MLlib 1.6 -- 聚类

Spark.mllib包支持以下模型：·K-means·Gaussianmixture·Poweriterationclustering(PIC)·LatentDirichletallocation(L
hopeatme·2022-12-26 14:44

KNN实现手写数字识别

其他实现手写数字识别的方法：1.聚类（K-means）实现手写数字识别2.卷积神经网络（CNN）实现手写数字识别3.全连接神经网络实现手写数字识别4.聚类（K-means）实现手写数字识别-2实验数据是老师收集了所有人的手写数字图片
zeronose·2022-12-26 08:44

基于 K-Means 聚类算法的客户精准营销模型

在本文中，我将分享一种目前比较流行的K-Means聚类的无监督学习技术。K-Means的目标是将所有可用的数据分组为彼此不同的不重叠的子组。
2201_75499313·2022-12-26 04:13

Python|使用深度神经网络的 K-Means 聚类进行短期风电预测

目录1引言2问题描述3目的4重要性5创新点6Python代码7结果1引言可再生能源的开发利用一直是世界上最热门的热点之一。风力发电由于清洁和广泛的可用性，正迅速向大规模产业发展，并具有波动性和间歇性电力的特点。准确可靠的风电预测方法对于电能质量、可靠性管理以及降低旋转备用供电成本至关重要.2问题描述风能预测对应于对近期一个或多个风力涡轮机的预期产量的估计。在电网中，任何时候都必须在用电量和发电量之
荔枝科研社·2022-12-26 01:39

K-means聚类算法原理及实现

文章目录1.聚类分析1.1概念1.2K均值和层次聚类2.聚类分析的度量2.1外部指标2.2内部度量3.K-means概念4.K-means算法步骤5.K-means案例1(python代码)1.聚类分析1.1概念聚类分析，也称为分割分析或分类分析，可将样本数据分成一个个组（即簇）。同一簇中的对象是相似的，不同簇中的对象则明显不同。StatisticsandMachineLearningToolbo
恶熊比比·2022-12-26 01:06

生信分析——聚类分析

PCA进行主成分分析）2.进行数据的标准化主要的聚类算法都包括：1.基于划分的的聚类方法（这主要就是生信聚类分析的主要算法）：对给定的包含n个样本的数据集，可以将数据划分为k个组，即构成数据的k个划分（与k-means
生信学徒·2022-12-25 23:37

Fast Odometry and Scene Flow from RGB-D Cameras based on Geometric Clustering 论文笔记

系统总览输入颜色-深度图像对首先，每一帧对场景点的3D坐标执行k-means聚类算法，分割成N个几何聚类。每一个聚类被视为一个刚体，每个聚类的速度用twistξi∈se
Jumping润·2022-12-25 18:47

确定最佳聚类数matlab代码_K-means聚类最优k值的选取

最近做了一个数据挖掘的项目，挖掘过程中用到了K-means聚类方法，但是由于根据行业经验确定的聚类数过多并且并不一定是我们获取到数据的真实聚类数，所以，我们希望能从数据自身出发去确定真实的聚类数，也就是对数据而言的最佳聚类数
weixin_39606019·2022-12-25 10:09

【GA优化K-means不求人】遗传算法优化Kmeans聚类+MATLAB轻代码

【GA优化K-means不求人】遗传算法优化Kmeans聚类+MATLAB轻代码一、K-means聚类原理介绍二、K-means优化设计要点三、MATLAB实践操作（K-means）实时编辑器自动设置（
安安讲代码·2022-12-25 09:38

聚类:Python遗传算法

我们将首先简要修改K-means聚类算法以指出其弱点，然后由遗传算法解决。略述根据训练数据是否带有标签，机器学习有两种类型：监督机器学习
亚图跨际·2022-12-25 09:38

计算机视觉相关学习项目（下）——附MATLAB源代码

二十二、基于K-means聚类算法的图像分割【系统介绍】以聚类算法进行图像分割就是将图像空间中的像素点用对应的特征向量表示，根据它们在特征空间的特征相似性对特征空间进行分割，然后将其映射回原图像空间，得到分割结果
早知晓·2022-12-25 04:02

数据可视化 - Streamlit实现页面组件交互与展示（以K-Means为例）

尤其是它提供的交互功能，可以让很多数据分析的结果清晰直观地展现在页面上，比起手动修改参数，一遍一遍rerun，真的舒服了不少~~因此这篇文章将以K-Means模型为例，采用iris数据集，介绍如何使用streamlit
Sakura Memory?·2022-12-24 20:42

聚类---K(k-means)均值

一、概念K均值(k-means)是聚类算法中最为简单和高效的算法，属于无监督的算法。
小朋友,你是否有很多问号?·2022-12-24 18:25

kmeans聚类算法python实现鸢尾花数据集,聚类--K均值算法：自主实现与sklearn.cluster.KMeans调用...

1.用python实现K均值算法K-means是一个反复迭代的过程，算法分为四个步骤：(x,k,y)1)选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心；definitcenter(x,k
weixin_39622710·2022-12-24 17:20

DataWhale组队sklearn学习 -- K-Means

k-means用于无监督学习用于分类思想：我们假设相似的事物之间的距离也会比较近，即：“物以类聚，人以群分”的思想。因此对于给定的样本集，按照样本之间的距离，将样本集划分为k个簇。
小灰机大·2022-12-24 14:10

斯坦福大学(吴恩达) 机器学习课后习题详解 第八周 编程题 k-means and PCA

编程作业下载地址：https://download.csdn.net/download/wwangfabei1989/103181651.PCA.mfunction[U,S]=pca(X)%PCARunprincipalcomponentanalysisonthedatasetX%[U,S,X]=pca(X)computeseigenvectorsofthecovariancematrixofX%
王发北·2022-12-24 13:00

k-means算法与pca结合对多特征组聚类

数据：6个画像，每个画像中有700个标签。解释：同一标签下不同画像对应的数据，我要对此数据做聚类，结果展示：后端代码显示defkmeans_img(request):#获取前段数据UPLOAD_ROOT=os.path.join(os.path.dirname(os.path.dirname(os.path.abspath(__file__))),'static/img')brand_name=r
可爱的大崔儿·2022-12-24 13:28

K-means聚类与PCA【Coursera 斯坦福 机器学习】

本文基于Coursera斯坦福吴恩达机器学习课程谢绝任何不标记出处的转载如有问题请联系作者所有非手画图像（除公式）均来自课程侵删————————————————————————————————————————————————1.无监督学习简介unsupervisedlearning无监督学习相比监督学习，最大的差别就是没有用来衡量学习效果的手段（有无监督）。例如在监督学习中，对于回归模型我们可以用
爱看动漫的李皮皮·2022-12-24 13:58

python使用opencv图像聚类_OpenCV-Python OpenCV中的K-Means聚类 | 五十八

目标了解如何在OpenCV中使用cv.kmeans()函数进行数据聚类理解参数输入参数sample：它应该是np.float32数据类型，并且每个功能都应该放在单个列中。nclusters(K)：结束条件所需的簇数criteria：这是迭代终止条件。满足此条件后，算法迭代将停止。实际上，它应该是3个参数的元组。它们是(type,max_iter,epsilon)：a.终止条件的类型。它具有3个标志
weixin_39637545·2022-12-24 13:57

【学习】无监督学习、PCA、Matrix Factorization、HAC、K-means、分布式表示、NE、LLE、 t-SNE

李宏毅机器学习一、无监督学习clustering1、K-means2、HAC分布式表示线性降维3、PCA弱点应用矩阵分解MatrixFactorization无监督学习:邻居嵌入NEManifoldLearningLLE拉普拉斯特征映射t-SNE一、无监督学习聚类或者维度reduction化繁为简：输入是图片，输出是简单的图片，只有输入数据generation生成：输入code输出图片，只有输出数
Raphael9900·2022-12-24 13:14

03-01 K-Means聚类算法

文章目录K-Means聚类算法K-Means聚类算法学习目标K-Means聚类算法详解K-Means聚类算法原理K-Means聚类算法和KNN传统的K-Means聚类算法流程输入输出流程K-Means初始化优化之
小猿取经·2022-12-24 11:04

【白话机器学习】算法理论+实战之K-Means聚类算法

1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也听过一些机器学习的课程，但总感觉话语里比较深奥，读起来没有耐心，并
算法channel·2022-12-24 11:04

K近邻法(KNN)与k-Means的区别

K近邻法(KNN)与k-Means也是用户画像中常用的算法了。今天小生就来解释下这两者之间的区别。
大数据狂人·2022-12-24 11:04

一步步教你轻松学K-means聚类算法

一步步教你轻松学K-means聚类算法(白宁超2018年9月13日09:10:33)导读：k-均值算法（英文：k-meansclustering），属于比较常用的算法之一，文本首先介绍聚类的理论知识包括什么是聚类
weixin_30471561·2022-12-24 11:33

k近邻和k-means

k近邻和k-means，听名称很相似，很容易张冠李戴。其实它们的全名为K近邻分类算法（k-Neighbour，KNN）和K均值聚类算法（K-meansclusteringalgorithm）。
陶将·2022-12-24 11:33

K-means聚类、KNN算法原理

1K-means，k均值算法来实现聚类K-means是一个将数据集分成K个类（簇）的聚类算法，类内距离中心点最小，类间中心点距离最大。
摸金青年v·2022-12-24 11:02

第八十六篇 K-means(聚类) 和 KNN(分类) 算法

心得:每天坚持学一点，新的算法新的技能，学到的都是属于自己的，希望在这里记录一下自己的历程，不忘初心机器学习分为四大块算法1.classification(分类)给定一个样本特征,我们希望预测其对应的属性值,如果是离散的,那么这就是一个分类问题，反之，如果是连续的实数,这就是一个回归问题。类问题最常用的学习算法包括SVM(支持向量机),SGD(随机梯度下降算法),Bayes(贝叶斯估计),Ense
Laughing@me·2022-12-24 11:32

机器学习算法（7）——K近邻(KNN)、K-means、模糊c-均值聚类、DBSCAN与层次与谱聚类算法

1、K-近邻算法（KNN）概述（有监督算法，分类算法）最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。KNN是通过测量不同特征值之间的距离进行
菜鸟知识搬运工·2022-12-24 11:01

K-means聚类算法

K-means聚类算法聚类在无监督学习中,训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础，此类学习任务中研究最多、应用最广的是“聚类”
BENULL·2022-12-24 11:01

KNN分类（K近邻）与K-Means聚类（K均值）的区别

KNNK-Means目的是为了确定一个点的分类目的是为了将一系列点集分成k类KNN是分类算法K-Means是聚类算法监督学习，分类目标事先已知非监督学习，将相似数据归到一起从而得到分类，没有外部分类训练数据集有
求知者_123·2022-12-24 11:01
上一页 14 15 16 17 18 19 20 21 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他