k近邻聚类算法

模型系列：聚类_五个聚类算法比较综述

文章目录介绍1.聚类算法的类型2.设置2.1数据集2.2导入库2.3导入数据2.4一些可视化展示2.5特征工程2.6异常值检测异常值检测模型选择2.7数据伸缩3.确定最佳聚类数3.1肘部法则3.2Silhouette
愤斗的橘子·2023-12-27 11:18

聚类 | KMeans理论与算法实现

01物以类聚经过半年的不懈努力，我们已经学习并实践了经典的分类算法和经典的回归算法，下面我们开始学习经典的聚类算法(兴奋~~~)目前打算对三种聚类算法进行学习和代码实操(俗称“造轮子”)：KMeansAprioriFP-Growth
Sudden·2023-12-27 05:04

机器学习——KNN算法

1、简介KNN（K-NearestNeighbor,K近邻）算法是最简单的分类算法之一，它也是最常用的分类算法之一。KNN算法是在1968年由Cover和Hart提出的，是一个有监督机器学习算法。
风月雅颂·2023-12-27 03:02

Python机器学习——KNN

目录原理步骤案例原理1、KNN（K-nearestneighbors）：意为K近邻。
棒棒糖one·2023-12-27 03:48

K-means 聚类算法

K均值聚类是一种流行的无监督机器学习算法，用于将数据集划分为K个不同的、不重叠的子集（聚类）。以下是有关K均值聚类的要点摘要：目的：最小化集群内差异：K-means旨在最小化数据点与其各自的聚类质心之间的平方距离之和。它通过迭代地将数据点分配给聚类并更新聚类质心来实现此目的。算法步骤：初始化：随机选择K个数据点作为初始聚类质心。分配步骤：将每个数据点分配给最近的质心，形成K个聚类。更新步骤：重新计
不做梵高417·2023-12-26 06:58

数学建模之聚类模型详解

K均值聚类算法算法流程一、指定需要划分的簇[cù]的个数K值（类的个数）;二、随机地选择K个数据对象作为初始的聚类中心（不一定要是我们的样本点）
Cr不是铬·2023-12-25 01:34

聚类算法汇集

数据科学家必须了解的六大聚类算法：带你发现数据之美|机器之心用于数据挖掘的聚类算法有哪些，各有何优势？-知乎K-means聚类算法如何应对数据的噪音和离散特征处理的问题？-知乎
HELLOTREE1·2023-12-24 21:27

K 近邻算法解析: 从原理到实践的机器学习指南

机器学习第三课k近邻概述机器学习简介K近邻算法K近邻中的距离欧氏距离曼哈顿距离余弦相似度选择合适的K值奇数vs偶数通过交叉验证选择k值实战分类问题回归问题K近邻算法的优缺点优点缺点手把手实现k近邻手搓算法实战分类概述机器学习
我是小白呀·2023-12-24 17:25

机器学习---K近邻算法

1.KNN算法K近邻算法，即K-NearestNeighboralgorithm，简称KNN算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一，1968年由Cover和Hart提出。
三月七꧁ ꧂·2023-12-24 07:34

聚类算法归纳与整理＞_＜

聚类算法整理介绍相似性度量常见的相似性度量算法聚类算法的分类传统聚类划分聚类K-Means:混合密度聚类：图聚类：模糊聚类：基于密度的划分聚类：层次聚类智能聚类人工神经网络聚类核聚类介绍由于课题研究需要聚类算法
杨路xz329·2023-12-24 00:42

【机器学习】朴素贝叶斯（Naive Bayes）

【机器学习】k近邻算法（KNN）【机器学习】决策树（DecisionTree）【机器学习】朴素贝叶斯（NaiveBayes）1.概述贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类（NaiveBayes
蓝色蛋黄包·2023-12-23 23:01

点云法向量与点云平面拟合的关系（PCA）

下面我们用最小二乘法求k近邻点云的拟合平面：当||x||＝1时，Ax=0的最小二乘解是ATA的最小特征值对应的特征向量等同于：ATA的最小特征值所对应的特征向量可使||Ax||最小。
菜鸟知识搬运工·2023-12-23 20:43

聚类算法_kmeans_层次聚类

聚合聚类算法：输入：nnn个样本组成的样本集合及样本之间的距离；输出：对样本集合的一个层次化聚类。计算nnn个样本两两之间的欧氏距离{dij}\{d_{ij}\}{dij}，记作矩阵D=[d
沉住气CD·2023-12-23 12:03

K-均值聚类算法及其优缺点

K-均值聚类算法是一种常用的无监督学习算法，用于将数据集划分为K个不同的类别，每个类别由其内部的数据点表示。
天玑y·2023-12-23 07:42

【模式识别】探秘聚类奥秘：K-均值聚类算法解密与实战

个人主页：SarapinesProgrammer系列专栏：《模式之谜|数据奇迹解码》⏰诗赋清音：云生高巅梦远游，星光点缀碧海愁。山川深邃情难晤，剑气凌云志自修。目录1初识模式识别2K-均值聚类2.1研究目的2.2研究环境2.3研究内容2.3.1算法原理介绍2.3.2数据集准备2.3.3实验步骤2.3.4结果分析2.4研究体会总结1初识模式识别模式识别是一种通过对数据进行分析和学习，从中提取模式并做
Sarapines Programmer·2023-12-22 20:43

K-means 算法 简介

聚类算法是无监督学习算法.无监督就是事先并不需要知道数据的类别标签，而只是根据数据特征去学习，找到相似数据的特征，然后把已知的数据集划分成不同的类别。
草明·2023-12-22 20:10

（九）密度聚类、层次聚类和轮廓系数[机器学习代码实现]

文章目录问题需求代码一（密度聚类）代码2（层次聚类）代码3（轮廓系数）总结问题需求现有如下样本：(0,0),(2,1),(2,-1),(2.1,0)，(4.1,0),(5,0)1、请使用密度聚类算法DBSCAN
Windalove·2023-12-22 15:10

密度聚类与层次聚类的基本概念理解

DBSCAN是一种著名的密度聚类算法，它基于一组邻域（对于xj，其邻域包含的样本集与xj的距离不大于ε）参数来刻画样本分布的紧密程度。
刘星星儿·2023-12-22 15:09

机器学习——聚类——密度聚类法——OPTICS

基于此，学者们提出了新的聚类算法OPTICS
AI小小白·2023-12-22 15:38

Numpy实现K-means算法

K-means算法importnumpyasnpimportmatplotlib.pyplotaspltdefkmeans(X,k,max_iters=1000,tol=1e-4):"""K-means聚类算法的
小小程序○·2023-12-22 15:08

机器学习 | 密度聚类和层次聚类

DBSCAN算法介绍与划分和层次聚类方法不同，DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)是一个比较有代表性的基于密度的聚类算法
小小程序○·2023-12-22 15:37

五分钟学完k-means

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。
你若盛开，清风自来！·2023-12-22 15:24

4--贝叶斯 聚类算法

本周学习内容：学习贝叶斯网相关知识学习集成学习部分内容学习聚类任务及其相关算法1贝叶斯网半朴素贝叶斯中规定每一个特征可以依赖于另外一个特征，贝叶斯网络在半朴素贝叶斯的基础上更进一步，认为每个特征都可以依赖于另外多个特征。贝叶斯网络实际上是一个有向无环图，图中包含贝叶斯网络的结构和参数，带有方向的边从父特征出发，指向子特征，代表子特征依赖于父特征。贝叶斯网中三个变量之间的典型依赖关系如图1所示：图1
pepsi_w·2023-12-22 15:36

K-均值聚类算法

K-均值聚类算法是一种无监督学习算法，用于将数据集中的样本划分为K个不同的类别。下面是K-均值聚类算法的步骤：随机选择K个初始聚类中心。将每个样本分配到离其最近的聚类中心。
He_wc·2023-12-22 12:37

机器学习 | K-means聚类

K-means聚类基本思想图中的数据可以分成三个分开的点集(称为族)，一个能够分出这些点集的算法，就被称为聚类算法算法概述K-means算法是一种无监督学习方法，是最普及的聚类算法，算法使用个没有标签的数据集
小小程序○·2023-12-21 19:32

手写算法系列（Python实现）

如何生成可参考右边的帮助文档文章目录前言一、K-Means二、pass总结前言锻炼自己实现算法的能力，提示：以下是本篇文章正文内容，下面案例可供参考一、K-MeansK-Means算法'''K-means算法是一种常用的无监督聚类算法
LotusQ·2023-12-21 17:51

K 近邻算法（K-Nearest Neighbor），简称 KNN 算法 简介

K近邻算法（K-NearestNeighbor），简称KNN算法基于距离计算的方式来解决分类问题.数学描述:对于一个待测的样本点，我们去参考周围最近的已知样本点的分类，如果周围最近的K个样本点属于第一类
草明·2023-12-21 15:58

机器学习---聚类（原型聚类、密度聚类、层次聚类）

著名的原型聚类算法：k均值算法、学习向量量化算法、高斯混合聚类算法。给定数据集，k均值算法针对聚类所得簇划分，最小化平方误差：其中，是簇的均值向量。值在一定程度上刻画了簇内样本围绕簇均值向
三月七꧁ ꧂·2023-12-21 04:50

聚类算法及可视化方法的实践与探索

簇内平方和表示数据点到其簇内质心的距离的平方和，公式如下：其中，是k簇数，ni是第i个簇的样本数，xij是第i个簇中的第j个样本。import matplotlib.pyplot as pltfrom sklearn.cluster import KMeansfrom sklearn.datasets import make_blobs# 生成模拟数据X, _ = make_blobs(n_sam
观北海·2023-12-21 03:22

基于Matlab卷积神经网络垃圾分类识别系统

而且有巨大的经济效益．为了提高可回收生活垃圾识别的准确率，研究人员尝试利用图像处理、机器学习等方法自动识别玻璃瓶、废纸、纸盒、易拉罐等常见生活废品．利用图像处理技术获取垃圾图像的特征后，再利用深度学习网络、支持向量机、K近邻分类器
视觉那些事·2023-12-20 15:07

机器学习入门二（无监督学习中的聚类算法）

目录1.前言2.聚类算法简介3.K-Means聚类3.1算法实现3.2算法实战4.密度聚类DBSCAN4.1算法介绍4.2DBSCAN实战（还是鸢尾花数据集不过是datasets里的）5.小结1.前言上一篇文章我们已经知道了无监督学习中分为两个大类别
朱笨笨·2023-12-19 06:21

K均值聚类

K-均值聚类算法1.什么是K均值聚类算法K均值聚类（k-means）是基于样本集合划分的聚类算法。
Chloe-Hao·2023-12-19 04:46

机器学习--K均值聚类

策略2.2.3算法2.3案例讲解2.4Python实现2.4.1导入数据处理相关库以及读取数据2.4.2查看相关数据并进行可视化展示2.4.3导入sklearn并训练模型2.4.4评估模型三、常用的其他聚类算法
Anonymous&·2023-12-19 04:14

K-均值聚类算法

1.k-means概念及特性K-均值聚类算法是一种无监督学习算法，用于将数据集分成K个不同的簇。该算法通过计算每个数据点与其所属簇的中心点之间的距离来确定哪些数据点属于哪些簇。
统计猿栋栋·2023-12-19 04:14

机器学习 | K均值聚类(K-means Clustering)

本文从概念、应用场景、原理、工作流程、优缺点、应用实践、代码、可视化等几方面诠释K均值聚类模型概述K-Means是一种无监督的聚类算法，其目的是将n个数据点分为k个聚类。
Devon_musa·2023-12-19 04:12

聚类算法之K-均值聚类

他首先收集了每个商店的位置信息、营业额和经营类型等数据，然后运用K-均值聚类算法对商店进行聚类。经过多次迭代，最终得到了3个聚类，分别是：商业区：其中包括超
Uingll·2023-12-19 04:41

聚类算法--KMeans

聚类属于非监督学习，K均值聚类是最基础常用的聚类算法。它的基本思想是，通过迭代寻找K个簇(Cluster)的一种划分方案，使得聚类结果对应的损失函数最小。其中，损失函数可以定义为
一只胖猪猪·2023-12-18 23:30

【Lidar】Open3D点云DBSCAN聚类算法：基于密度的点云聚类（单木分割）附Python代码

1DBSCAN算法介绍DBSCAN聚类算法是一种基于密度的聚类算法，全称为“基于密度的带有噪声的空间聚类应用”，英文名称为Density-BasedSpatialClusteringofApplicationswithNoise
RS迷途小书童·2023-12-18 19:57

《人工智能基础》17/91天阅读

这种技术可以通过无监督的方式从文本中分析出多个潜在的主题，完成聚类算法不能完成的任务。词袋模型：是用于描述文本的一个简单的数学模型，也是常用的一种文本特征提取方式。
皮卡丘_83e1·2023-12-18 17:38

YOLOv3中如何使用K-Means聚类算法生成Anchor Box

一、背景我们在YOLOV2中说到，在FasterRCNN中anchorboxes大小都是手动设定的，这就带有一定的主观性，会使得网络在使用中不能更好的做出预测。这是在使用anchorboxes出现的第一个问题。为了解决这个问题，于是YOLOV2提出了使用k-Means聚类方法在训练集中自动的获取每个anchorboxes的大小，以替代人工设置。k-Means算法的思想很简单，对于给定的样本集，按照
江湖小张·2023-12-18 07:31

使用Yellowbrick绘制获取最佳聚类K值的示例

确定最佳的聚类簇数（K值）对于聚类算法的有效性至关重要。在本文中，我们将使用Yellowbrick这个强大的Python机器学习可视化工具来帮助我们选择最佳的聚类簇数。
后端工程架构·2023-12-18 07:16

高斯分布、高斯混合模型、EM算法详细介绍及其原理详解

相关文章K近邻算法和KD树详细介绍及其原理详解朴素贝叶斯算法和拉普拉斯平滑详细介绍及其原理详解决策树算法和CART决策树算法详细介绍及其原理详解线性回归算法和逻辑斯谛回归算法详细介绍及其原理详解硬间隔支持向量机算法
IronmanJay·2023-12-18 06:47

KMeans聚类算法

KMeansKMeans是一种无监督学习聚类方法,目的是发现数据中数据对象之间的关系，将数据进行分组，组内的相似性越大，组间的差别越大，则聚类效果越好。无监督学习,也就是没有对应的标签,只有数据记录.通过KMeans聚类,可以将数据划分成一个簇,进而发现数据之间的关系.[图片上传失败...(image-fa9971-1543240223005)]原理KMeans算法是将数据聚类成k个簇,其中每个,
七八音·2023-12-17 23:47

Python点云处理（八）点云聚类算法（下）

目录0简述1Mean-Shift聚类算法2Agglomerative聚类算法3Spectral聚类算法4结语0简述本篇为点云聚类算法下篇，上一篇中实现了DBSCAN聚类算法、K-means聚类算法、OPTICS
Auto工程师·2023-12-17 16:24

非线性回归的实现方式

非线性回归的实现方式1.多项式回归：2.决策树回归：工作原理3.随机森林回归(更高级的集成方法)：工作原理4.支持向量回归（SVR）：工作原理5.K近邻回归（KNN回归）：工作原理6.神经网络回归：工作原理总结本文介绍多种非线性回归的实现方法
twinkle 222·2023-12-17 13:00

文本聚类——文本相似度（聚类算法基本概念）

一、文本相似度1.度量指标：两个文本对象之间的相似度两个文本集合之间的相似度文本对象与集合之间的相似度2.样本间的相似度基于距离的度量：欧氏距离曼哈顿距离切比雪夫距离闵可夫斯基距离马氏距离杰卡德距离基于夹角余弦的度量公式：当文本进行了2-范数归一化，余弦相似度与内积相似度是等价的。距离度量衡量的是空间各个点的绝对距离，与各点的位置（即个体特征维度的数值）直接相关，而余弦相似度衡量的事空间向量的夹角
星宇星静·2023-12-17 08:18

基于K-Means的图片聚类算法实战

因此，需要一个算法对图片进行自动化分类并保存，也就是本文的《基于K-Means的图片聚类算法实战》。
CV-deeplearning·2023-12-17 03:32

模糊C均值聚类简述

模糊C均值聚类简述By:YangLiu1.什么是模糊C均值聚类模糊c-均值聚类算法fuzzyc-meansalgorithm(FCMA)或称（FCM）。
vendetta_gg·2023-12-17 02:19

模糊C均值聚类算法

  学习了一下模糊聚类中的模糊C均值聚类算法(FuzzyC-MeansClustering)。  Fuzzy意为模糊，其中包括几种模糊的方式，这里使用的是最简单的方式，它是基于概率的概念。
蓝子娃娃·2023-12-17 02:47

fuzzy clustering(模糊(C_均值)聚类)

目录概述隶属度矩阵模糊聚类算法步骤概述k-means属于一种硬聚类的方法，也就是说一个样本属于哪个类了后，他就是哪个类别的了，非此即彼；模糊聚类意味着样本不再是刚性的属于某一类别了，而是给出其属于各个类别的概率
身影王座·2023-12-17 02:47
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他