k-means聚类算法

k-means聚类算法的原理

k-means聚类算法的原理K-means是一种聚类算法，其原理是将数据集划分为k个簇，使得每个数据点都属于最近的簇，并且簇的中心是所有数据点的平均值。
小白脸cty·2023-10-10 20:27

kmeans算法的k值选择

确定K值是K-means聚类分析的一个重要步骤。不同的K值可能会产生不同的聚类结果，因此选择合适的K值非常重要。
小白脸cty·2023-10-10 20:27

DBSCAN 基于密度的聚类算法

importnumpyasnpimportpickle#从文件中读取对象withopen('clusters.pkl','rb')asf:clusters=pickle.load(f)data_list=[]forindex_data,datasinenumerate(clusters):dk=[]fori,data_clusterinenumerate(datas):fordindata_clu
Kw!G·2023-10-10 04:45

matlab的listbox选择多行_MATLAB LISTBOX 折腾了我两个小时

事件：用GUI做K-Means聚类算法目的：试图将每次迭代过程中各类的类心在listbox中显示以前的思维：在VB或VC中都可以很方便的用add方法现状：Matlab中不支持这样的处理方式，matlab
白话期权·2023-10-09 23:54

spark2.4.5计算框架中各模块的常用实例

SparkCoreRDD以及PairRDD的常用算子SparkSQLRDD转换为DataFrameDataFrame与MySQL的交互SparkMLlib流水线pipeline的基本用法决策树K均值K-means
编程方法论·2023-10-09 00:10

Floorplanning with Graph Attention

FloorplanningwithGraphAttentionDAC’22目录FloorplanningwithGraphAttention摘要1.简介2.相关工作3.问题公式化4.FLORA的方法4.1解决方案概述4.2C-谱聚类算法
Namnam99·2023-10-08 05:13

大数据毕设 航空公司客户价值分析

案例背景2.传统方法存在的缺陷3.原始数据说明4.挖掘目标5.分析方法与过程5.1数据抽取5.2探索分析5.3数据预处理5.3.1数据清洗5.3.2属性规约5.3.3数据变换5.4模型构建5.4.1客户K-Means
DanCheng-studio·2023-10-07 06:14

机器学习基础之《回归与聚类算法（1）—线性回归》

一、线性回归的原理1、线性回归应用场景如何判定一个问题是回归问题的，目标值是连续型的数据的时候房价预测销售额度预测贷款额度预测、利用线性回归以及系数分析因子2、线性回归定义线性回归(Linearregression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式找到一种函数关系，来表示特征值和目标值之间的关系3、函数关系（1）首先假定特征值x1、
csj50·2023-10-06 15:35

KNN算法与SVM支持向量机

这种方法的效果好，但是也有弊端，与K-means聚类算法一样，需要先预定设置k的值，k值的选择会影响分类的性能。
会的东西有点杂·2023-10-05 15:31

python导入数据聚类分析实例_聚类分析实战解析与总结 - 数据分析

聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度划分为若干组，划分的原则是组内距离最小化而组间距离最大化，如下图所示：常见的聚类分析算法如下：K-Means：K-均值聚类也称为快速聚类法，
weixin_39974400·2023-10-05 13:26

聚类分析基础知识总结及实战解析

聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度划分为若干组，划分的原则是组内距离最小化而组间距离最大化，如下图所示：常见的聚类分析算法如下：K-Means：K-均值聚类也称为快速聚类法，
weixin_30889885·2023-10-05 13:56

k-Means聚类原理及实现

聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度划分为若干组，划分的原则是组内距离最小化而组间距离最大化，如下图所示：常见的聚类分析算法如下：K-Means：K-均值聚类也称为快速聚类法，
£•€•×·2023-10-05 13:53

聚类分析总结 & 实战解析

聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度划分为若干组，划分的原则是组内距离最小化而组间距离最大化，如下图所示：常见的聚类分析算法如下：K-Means：K-均值聚类也称为快速聚类法，
绝对不要看眼睛里的郁金香·2023-10-05 13:52

机器学习 | 聚类分析总结 & 实战解析

聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度划分为若干组，划分的原则是组内距离最小化而组间距离最大化，如下图所示：常见的聚类分析算法如下：K-Means：K-均值聚类也称为快速聚类法，
伙伴几时见·2023-10-05 13:51

BIRCH算法全解析：从原理到实战

BIRCH算法的应用场景文章目标和结构概述二、BIRCH算法基础CF（ClusteringFeature）树的概念数据点簇簇的合并和分裂BIRCH的时间复杂度和空间复杂度BIRCHvsK-means和其他聚类算法三
TechLead KrisChang·2023-10-05 13:19

传统机器学习聚类算法——总集篇

工作需要，涉及到一些聚类算法相关的知识。工作中需要综合考虑数据量、算法效果、性能之间的平衡，所以开启新的篇章——机器学习聚类算法篇。
云从天上来·2023-10-05 09:35

Debezium日常分享系列之：使用数据库中的数据流进行在线机器学习

Debezium日常分享系列之：使用数据库中的数据流进行在线机器学习一、背景介绍二、数据集准备三、使用ApacheFlink进行分类四、使用Debezium和Kafka作为源数据流五、构建Flink流k-means
最笨的羊羊·2023-10-03 13:07

机器学习算法基础--聚类问题的评价指标

1.聚类问题指标评价的意义聚类算法是非监督学习最常用的一种方法，性能度量是衡量学习模型优劣的指标，也可作为优化学习模型的目标函数。
温柔济沧海·2023-10-02 19:40

【聚类算法】谱聚类spectral clustering

everyblogeverymotto:Youcandomorethanyouthink.https://blog.csdn.net/weixin_39190382?type=blog0.前言谱聚类spectralclustering概况说明：无1.正文1.1整体理解谱聚类（SpectralClustering）是一种基于图论的聚类方法，将带权无向图划分为两个或两个以上的最优子图。使子图内尽量相似
胡侃有料·2023-10-02 16:14

《数据挖掘导论》学习 | 第九章 聚类分析：其他问题与算法

目录第九章聚类分析：其他问题与算法数据、簇和聚类算法的特性比较K均值和DBSCAN数据特性簇特性聚类算法的一般特性基于原型的聚类模糊聚类使用混合模型的聚类自组织映射基于密度的聚类基于网格的聚类子空间聚类基于图的聚类稀疏化最小生成树聚类
蕴玉山辉，怀珠川媚·2023-10-02 15:49

《数据分析实战》总结二之聚类算法：K-Means，EM

1K-MeansK-Means是一种非监督学习，解决的是聚类问题。K代表的是K类，Means代表的是中心，本质是确定K类的中心点，当找到了这些中心点，也就完成了聚类。需要解决三个问题：1如何确定K类的中心点？其中包括了初始的设置，以及中间迭代过程中中心点的计算。在初始设置中，会进行n_init次的选择，然后选择初始中心点效果最好的为初始值。在每次分类更新后都需要重新确认每一类的中心点，一般采用均值
木棉上的光·2023-10-02 15:49

《R语言数据挖掘》读书笔记：六、高级聚类算法

第六章、高级聚类算法1.DBSCAN算法和电子商务客户分类分析1.1DBSCAN算法通过定义数据点空间的密度和密度度量，这些类可以建模成数据空间中具有某种密度的截面。
Nelson_hehe·2023-10-02 15:18

python数据分析与挖掘之 聚类算法

第五章数据建模(一)聚类分析1、主要方法2、距离分析度量样本之间的相似性，采用距离算法：文档相似性度量3、K-means分类#-*-coding:utf-8-*-#使用K-Means算法聚类消费行为特征数据
bduwps8393·2023-10-02 15:18

EM聚类（上）：数据分析 | 数据挖掘 | 十大算法之一

欢迎小伙伴们点赞、收藏⭐️、留言、关注，关注必回关上一篇文章已经跟大家介绍过《K-Means（下）：数据分析|数据挖掘|十大算法之一》，相信大家对K-Means（下）都有一个基本的认识
秋无之地·2023-10-02 15:47

地理空间探测器保姆级教程-含实现程序-少理论多操作

（X可能多个）数据，需要离散化，eg，使用门槛值，将0K-means
Wency(王斯-CUEB)·2023-10-02 11:22

K-Means（上）：数据分析 | 数据挖掘 | 十大算法之一

⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️作者：秋无之地简介：CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作，主要擅长领域有：爬虫、后端、大数据开发、数据分析等。欢迎小伙伴们点赞、收藏⭐️、留言、关注，关注必回关上一篇文章已经跟大家介绍过《KNN（下）：数据分析|数据挖掘|十大算法之一》，相信大家对KNN（下）都有一个基本的认识。下面我讲一下，
秋无之地·2023-10-02 10:35

K-Means（下）：数据分析 | 数据挖掘 | 十大算法之一

欢迎小伙伴们点赞、收藏⭐️、留言、关注，关注必回关上一篇文章已经跟大家介绍过《K-Means（上）：数据分析|数据挖掘|十大算法之一》，相信大家对K-Means（上）都有一个基本的认识
秋无之地·2023-10-02 10:35

文章标题

k-means聚类hadoop平台思路1.1在参考了《数据算法-hadoop、spark》289页；文章ResearchonParallelk-meansAlgorithmDesignBasedonHadoopPlatform
浩海紫冰·2023-10-02 03:07

k-means 聚类hadoop 平台

数据算法-hadoop、spark》289页；文章ResearchonParallelk-meansAlgorithmDesignBasedonHadoopPlatform基于云计算平台Hadoop的并行k-means
浩海紫冰·2023-10-02 03:37

欢迎使用CSDN-markdown编辑器

k-means聚类hadoop平台1.1在参考了《数据算法-hadoop、spark》289页；文章ResearchonParallelk-meansAlgorithmDesignBasedonHadoopPlatform
浩海紫冰·2023-10-02 03:37

聚类（kmeans，DBSCAN，OPTICS）

聚类K-means聚类样本集，聚类簇数k。从D中随机选择k个样本作为初始均值向量令forj=1,2,...m计算样本与各均值向量的距离距离最近的均值向量，就确定了的簇标记，并加入相应的簇中。
Jasmine晴天和我·2023-10-01 12:09

4.3.3 连续属性离散化

等频法将相同数量的记录放进每个区间，每个区间数据值个数相同基于聚类分析的方法一维聚类的方法包括两个步骤，首先将连续属性的值用聚类(如K-Means算法)进行聚类，然后再将聚
WeDataScience·2023-10-01 06:43

个性化社交网络协同过滤推荐系统 基于用户评分的协同过滤推荐算法 用户信任度 KMeans聚类算法 协同过滤推荐算法测评指标MAE平均绝对误差、recall召回率、precision查准率

个性化社交网络协同过滤推荐系统依赖用户的社交关系（用户关注用户的操作数据，称为用户之间的信任度），根据用户对项目的评分数据，计算目标用户的最近邻居，同时将目标用户信任的用户加入最近邻居，进行推荐，旨在提高目标用户信任的其他用户的相似用户的项目推荐，达到推荐更准确的目的。本文主要讲解了个性化社交网络协同过滤推荐系统实现的开发环境、数据集、开发过程、协同过滤推荐算法、推荐算法测评指标、实现结果等内容。
74b3a3e489d4·2023-10-01 00:06

机器学习——k-均值算法（聚类）

机器学习专栏：机器学习专栏文章目录k-均值（k-means）聚类1、k-均值算法2、k-均值算法的代价函数3、k-均值算法步骤4、初始化聚类中心点和聚类个数5、sklearn实现k-means算法k-均值
Tao_RY·2023-10-01 00:33

有监督学习 与 非监督学习 差异

包括所有的聚类算法，例如k-means等。深度学习：只是指结构有深度的算法。既可以无监督学习，又可以有监督学习。例如卷积神经网络CNN是有监督学习。
低调的风·2023-09-29 14:57

目标检测YOLO实战应用案例100讲-基于YOLO的道路交通标志识别（续）

目录改进的S-YOLO交通标志识别算法4.1二分K-means聚类算法4.1.1聚类算法4.1.2二分K-means重聚类锚框<
林聪木·2023-09-29 13:43

Pyspark实现KMeans机器学习聚类算法（一）

Pyspark实现KMeans机器学习聚类算法（一）环境配置：spark2.1.1python3.5.2IPython5.1.0这里配置了pyspark默认以ipython模式启动。
数据之禅·2023-09-28 14:03

点云感知(一):基于深度图的聚类算法与源码解析

前言原理文字介绍略微简介，但是在代码注释中非常详细。我相信在代码中学习原理才能理解更加通透。参考:gitcodehttps://blog.csdn.net/weixin_43885544/article/details/111193386一、算法原理二、源码解析流程为:预处理->深度图投影->深度图分割->有效类提取预处理:PreProcess函数/***预处理:点云行方向重排序和补偿*@para
zwhdldz·2023-09-28 13:48

[Machine Learning] 稀疏编码和矩阵分解

文章目录字典学习(DictionaryLearning)主成分分析(PrincipalComponentsAnalysis,PCA)K-means非负矩阵分解(Non-negativeMatrixFactorisation
华北小龙虾·2023-09-27 17:06

机器学习算法基础--K-means应用实战--图像分割

目录1.项目内容介绍2.项目关键代码3.项目效果展示1.项目内容介绍本项目是将一张图片进行k-means分类，根据色彩k进行分类，最后比较和原图的效果。
温柔济沧海·2023-09-27 14:27

机器学习算法基础--K-means聚类方法

目录1.算法原理介绍2.算法核心代码3.算法效果展示1.算法原理介绍#k-means聚类方法"""k-means聚类算法流程:1.K-mean均值聚类的方法就是先随机选择k个对象作为初始聚类中心.2.这个时候你去计算剩余的对象于哪一个聚类中心的距离是最小的
温柔济沧海·2023-09-27 14:56

Java应用|使用Apache Spark MLlib构建机器学习模型【下】

K-Means的目标是最小化所有数据点到其所属簇中心的距离的平方和。K-Means算法的基本流程如下：
青年老年程序员·2023-09-27 11:21

聚类发展历史、现状、未来趋势

1、发展历史聚类算法的历史与有监督学习一样悠久。层次聚类算法出现于1963年[26]，这是非常符合人的直观思维的算法，现在还在使用。
席八·2023-09-27 09:46

【计算机视觉】2.图像特征提取

角点FAST角点斑点SIFTHaar-like特征SURFORBLBPGabor一、颜色特征量化颜色直方图HSV空间优势：计算高效劣势：量化问题，稀疏聚类颜色直方图使用颜色空间：Lab颜色空间操作：使用聚类算法对所有像素点颜色向量进行聚类单元用聚类代表二
Scott_S·2023-09-26 21:13

高斯混合模型 Gaussian Mixture Model | GMM

高斯混合模型的应用场景四、构建高斯混合模型模型的注意事项五、高斯混合模型模型的实现类库六、高斯混合模型模型的评价指标七、类库scikit-learn实现高斯混合模型的例子总结前言高斯混合模型是机器学习中无监督学习的一种聚类算法
JasonH2021·2023-09-25 03:33

基于k均值聚类的图像分割

实验目的通过编程，实现将一幅彩色图像分割为若干个同质区域，即采用K-Means聚类算法来将像素分组从而实现图像分割。
还能坚持·2023-09-24 13:26

使用 K 均值聚类进行颜色分割

聚类算法可以自动将相似的颜色分组在一起，而不需要为每种颜色指定阈值。当处理具有大范围颜色的图像时，或者当事先不知道确切的阈值时，这非常有用。
TD程序员·2023-09-24 13:24

基于RFM模型和K-Means算法实现用户分群

1、RFM模型是用户价值分析中最常见的模型，核心思想是用户的消费间隔（忠诚度）、消费金额（付费情况）、消费频次（活跃度）三个特征对用户进行分群（2*3=8个类别），从而针对不同的群体使用不同的策略2、K-Means
Saturday_tell·2023-09-24 01:36

机器学习第十一课--K-Means聚类

一.聚类的概念K-Means算法是最经典的聚类算法，几乎所有的聚类分析场景，你都可以使用K-Means，而且在营销场景上，它就是"King"，所以不管从事数据分析师甚至是AI工程师，不知道K-Means
好人cc·2023-09-22 21:46

K-Means

111Reference:[1]基于密度的聚类DBSCAN解释与实例计算_哔哩哔哩_bilibili[2]python:各省市消费水平聚类分析-KMeans和DBSCAN的实现-知乎
Tancenter·2023-09-21 19:35
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他