k-Medoids

聚类分析中几种算法的比较

将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids
继续微笑lsj·2020-07-08 08:07

ML之UL：无监督学习Unsupervised Learning的概念、应用、经典案例之详细攻略

经典案例之详细攻略目录无监督学习UnsupervisedLearning的概念无监督学习UnsupervisedLearning的应用1、关联分析2、聚类问题2.1、聚类算法常见的五种分类—划分方法(K-means/K-medoids
一个处女座的程序猿·2020-07-08 01:42

K-medoids

是K-means算法的一个变种与K-means不一样的地方在于中心店的选取：k-means中，我们将中心点取为当前cluster中所有数据点的平均值，在k-medoids算法中，我们将从当前cluster
程序猿爱打DOTA·2020-07-05 16:36

漫谈 Clustering (2): k-medoids

上一次我们了解了一个最基本的clustering办法k-means，这次要说的k-medoids算法，其实从名字上就可以看出来，和k-means肯定是非常相似的。
Savitch·2020-07-04 17:13

通过K-MEDOIDS算法对时间序列进行聚类的实现

最近做数据挖掘相关的工作，题目是时间序列聚类研究，目前对于这方面的研究都还只是在起步阶段，被广泛使用的还是基于K-MEDOIDS的聚类，放弃K-MEANS的主要原因还是时间序列之间序列的计算难度，对于这方面我们也已经有了一定的进展
君子美玉·2020-07-02 06:15

聚类算法之AP（Affinity Propagation）聚类算法（近邻传播）

类似于k-medoids，近邻传播找到“范例”，输入集的成员代表集群。基本思想AP算法的基本思想是将全部样本看做网络的节点，然后通过网络中各条边的消息传递计算出个样本的聚类中心。
jack_jay_du·2020-07-02 05:16

聚类-Kmeans+python3实现

（主要是记录学习，让自己以后可以记忆）里面参考了别人的算法在聚类学习中，基本聚类算法我会采取划分方法（基于距离的算法，如K-means，K-medoids）和基于密度的方法（DBSCAN/OPTICS)
peaceminusvip·2020-06-30 13:34

k-medoids 算法思想

自wikipediaFromWikipedia,thefreeencyclopediaThek-medoidsalgorithmisaclusteringalgorithmrelatedtothek-meansalgorithmandthemedoidshiftalgorithm.Boththek-meansandk-medoidsalgorithmsarepartitional(breaking
ywjun的学习笔记·2020-06-30 11:21

数学建模常用模型算法学习（部分）

较好）混沌序列预测（高大上）数据包络（DEA）分析法（较好）支持向量机（高大上）多元分析1.聚类分析2.判别分析3多维标度法（MDS）（一般）主流聚类方法1.基于划分的方法（1）K-means算法（2）K-medoids
创可不能贴·2020-06-25 04:50

k-means优化 & k-means距离的选择 &k-medoids对比

一、k-means：在大数据的条件下，会耗费大量的时间和内存。优化k-means的建议：1、减少聚类的数目K。因为，每个样本都要跟类中心计算距离。2、减少样本的特征维度。比如说，通过PCA等进行降维。3、考察其他的聚类算法，通过选取toy数据，去测试不同聚类算法的性能。4、hadoop集群，K-means算法是很容易进行并行计算的。二、K-means距离的定义：目前各种机器学习开源库，对于k-me
BYR_jiandong·2020-06-24 09:31

R语言实现聚类分析

lK-均值聚类（K-Means）十大经典算法lK-中心点聚类（K-Medoids）l密度聚类（DBSCAN）l系谱聚类（HC）l期望最大化聚类（EM）十大经典算法聚类算法软件包主要函数K-meansstatskmeans
helen1313·2020-06-23 13:17

人工智能算法总结

回归和分类回归常用算法：线性回归多项式回归岭回归lasso回归分类常用算法：逻辑回归svm分类朴素贝叶斯算法决策树随机森林kNN四、无监督机器学习分为：聚类和降维聚类常用的算法1、基于划分：k-means、k-medoids
刘飞凡·2020-06-23 07:37

数据挖掘聚类算法一览

典型的划分方法包括：k-means,k-medoids,CLARA(Clust
ctp123789·2020-06-23 01:10

聚类算法--K-Medoids（基于R的应用示例）

K-Medoids算法描述一个有极大值的对象可能相当程度上扭曲数据的分布，所以k-means算法对于孤立点是敏感的。不采用簇中对象的平均值作为参照点，可以选用簇中位置中心的对象，即medoid。
buracag_mc·2020-06-22 19:12

GMM的EM算法实现

在聚类算法K-Means,K-Medoids,GMM,Spectralclustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了详细说明
Rachel-Zhang·2020-06-20 23:57

基因共表达聚类分析及可视化

http://blog.genesino.com/2017/11/gene-cluster/共表达基因的寻找是转录组分析的一个部分，样品多可以使用WGCNA，样品少可直接通过聚类分析如K-means、K-medoids
生信宝典·2020-03-31 03:39

谱聚类

SpectralClustering和传统的聚类方法（例如K-means）比起来有不少优点：和K-medoids类似，SpectralClustering只需要数据之间的相似度矩阵就可以了，而不必像K-means
程序猿爱打DOTA·2020-03-17 00:05

R语言使用最优聚类簇数k-medoids聚类进行客户细分

p=9997k-medoids聚类简介k-medoids是另一种聚类算法，可用于在数据集中查找分组。k-medoids聚类与k-means聚类非常相似，除了一些区别。
qq_19600291·2019-12-27 14:46

K-medoid聚类

NotetherearevariantsoftheK-meansalgorithmthatcanworkwithnon-Euclideancedistancemetrics(suchasLevenshteindistance).K-medoids
微雨旧时歌丶·2019-12-22 16:31

聚类分析

2、常见聚类方法类别包括的主要算法划分（分裂）方法K-Means算法（K-平均）、K-MEDOIDS算法（K-中心点）、CLARAN
red-tea·2019-12-18 00:00

漫谈 Clustering

漫谈Clustering(1):k-means漫谈Clustering(2):k-medoids漫谈Clustering(番外篇):VectorQuantization漫谈Clustering(3):GaussianMixtureModel
一直在水下·2019-11-06 01:03

KMeans聚类

常用的聚类方法：①分裂方法：K-Means算法(K-平均)、K-MEDOIDS算法(K-中心点)、CLARANS算法(基于选择的算法)②层次分析方法：BIRCH算法(平衡迭代规约和聚类)、CURE算法(
cruelty_angel·2019-09-05 23:00

常见聚类算法分类

聚类划分：（1）划分聚类k-means、k-medoids、k-modes、k-medians、kernelk-means（2）层次聚类Agglomerative、divisive、BIRCH、ROCK
北风知我意·2019-06-22 22:59

常见聚类算法分类

聚类划分：（1）划分聚类k-means、k-medoids、k-modes、k-medians、kernelk-means（2）层次聚类Agglomerative、divisive、BIRCH、ROCK
北风知我意·2019-06-22 22:59

机器学习之聚类常用方法

机器学习之聚类基于划分的聚类K均值算法k均值++算法注意k-medoids算法k-prototype算法基于层次的聚类BIRCH算法CURE算法基于密度聚类DBSCAN算法[参考百度百科]DENCLUE
legendaryhaha·2019-05-25 11:38

数据建模-聚类分析-K-Means算法

常用聚类方法类别包括主要算法划分（分裂）方法K-Means算法（K-平均）、K-MEDOIDS算法（K-中心点）、CLARANS算法（基于选择的算法）层次分析方法BIRCH算法（平衡迭代规约和聚类）、CURE
灰兔子-刘·2018-08-17 21:23

【数据挖掘】使用R语言进行聚类分析

本文主要介绍在R语言中使用k-means和K-Medoids进行聚类分析的方法。
Gavin姓陈·2018-04-09 15:15

聚类算法——k-medoids算法

因此我们可以使用k-medoids算法，它是集群中位于最中心的对象，而不是将集群中的平均值作为参考点。因此，分区的方法仍然可以基于最小化每个对象与其参考点之间的不相似程度之和的原理来进行。
coder_Gray·2018-03-26 23:46

（数据科学学习手札16）K-modes聚类法的简介&Python与R的实现

我们之前经常提起的K-means算法虽然比较经典，但其有不少的局限，为了改变K-means对异常值的敏感情况，我们介绍了K-medoids算法，而为了解决K-means只能处理数值型数据的情况，本篇便对
费弗里·2018-03-19 20:00

（数据科学学习手札13）K-medoids聚类算法原理简介&Python与R的实现

是大规模数据聚类分析中首选的方法，但是它也有一些短板，比如在数据集中有脏数据时，由于其对每一个类的准则函数为平方误差，当样本数据中出现了不合理的极端值，会导致最终聚类结果产生一定的误差，而本篇将要介绍的K-medoids
费弗里·2018-03-18 15:00

聚类算法总结

）kmeans要手工输入类数目，对初始值的设置很敏感；所以有了k-means++、intelligentk-means、genetick-means；2）k-means对噪声和离群值非常敏感，所以有了k-medoids
Yingying_code·2017-08-31 17:55

K-means 和 K-medoids算法聚类分析

1聚类是对物理的或者抽象的对象集合分组的过程，聚类生成的组称为簇，而簇是数据对象的集合。（1）簇内部的任意两个对象之间具有较高的相似度。（2）属于不同的簇的两个对象间具有较高的相异度。2相异度可以根据描述对象的属性值来计算，最常用的度量指标是距离。3聚类最初来自数学，统计学，和数值分析；机器学习领域把聚类描述成隐含模式，发现簇的过程是无监督学习；聚类是模式识别的重要手段。4聚类的特点：用少量的簇来
1313123131312·2017-06-05 22:25

R语言聚类算法之k中心聚类(K-medoids)

2.在R语言中的应用k中心聚类(K-medoids)主要运用到了R语言中cluster包（R语言内置包）中的pam函数。
Claroja·2017-02-16 09:08

最大最小距离算法(K-MEANS K-medoids )聚类算法的结合运用

聚类算法通常会得到一种分类，将n个点聚合成k类，同一聚类（即插槽簇）中的对象相似度较高；而不同类中的对象相似度较小。聚类算法的基本流程如下：（1）从n个节点中选择k个节点作为初始聚类中心。（2）将剩余节点根据它们与这k个聚类中心的代价大小，分别将它们分配给与其代价最小的（聚类中心所代表的）聚类。（3）更新聚类的聚类中心。不断重复（2）（3）这一过程将剩下其它节点分配完毕。（4）排序，将各聚类按照聚
just want to know·2016-10-11 18:42

GMM的EM算法实现

在 聚类算法K-Means,K-Medoids,GMM,Spectralclustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了详细说明
ncut_matlab·2016-03-24 10:00

机器学习：K-means和K-medoids对比[4]

两者的主要区别主要在质心的选择中，k-means是样本点均值，k-medoids则是从样本点中选取。
databatman·2016-01-01 18:43

机器学习：K-means和K-medoids对比[4]

两者的主要区别主要在质心的选择中，k-means是样本点均值，k-medoids则是从样本点中选取。
databatman·2016-01-01 18:00

聚类分析--k中心点算法

PAM（partitioningaroundmedoid，围绕中心点的划分）是具有代表性的k-medoids算法。它最初随机选择k个对象作为中心点，该
u010111016·2015-11-24 17:00

聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut .

聚类算法是ML中一个重要分支，一般采用unsupervisedlearning进行学习，本文根据常见聚类算法分类讲解K-Means,K-Medoids,GMM,Spectralclustering，Ncut
qq_18343569·2015-11-14 11:00

GMM的EM算法实现

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-13 19:42

GMM的EM算法实现

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-13 18:52

GMM的EM算法实现

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-13 18:16

GMM的EM算法

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering。
·2015-11-13 18:56

GMM的EM算法实现

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-13 13:49

GMM的EM算法实现

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-13 07:02

GMM的EM算法实现

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-13 05:03

GMM的EM算法

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-07 10:18

机器学习复习——聚类

聚类：根据聚类思想划分：1.基于划分的聚类:K-means,k-medoids(每一个类别中找一个样本点来代表),CLARANS.k-means是使下面的表达式值最小：k-means算法的优点：（1
renyp8799·2015-11-05 14:00

GMM的EM算法实现

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-03 22:51

GMM的EM算法

在 聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut一文中我们给出了GMM算法的基本模型与似然函数，在EM算法原理中对EM算法的实现与收敛性证明进行了具体说明
·2015-11-03 20:44
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他