码迷,mamicode.com
首页 >  
搜索关键字:聚类    ( 1791个结果
优达学城机器学习工程师纳米学位项目介绍
本文由 meelo 原创,请务必以链接形式注明 本文地址,简书同步更新地址 一对一的项目辅导是优达学城(udacity)纳米学位的一大亮点。本文将简要介绍优达学城机器学习工程师纳米学位的6个项目。项目覆盖了机器学习的主要领域,包括回归分析、分类、聚类、增强学习及深度学习。 项目 0: 预测泰坦尼克号 ...
分类:其他好文   时间:2016-11-28 20:28:19    阅读次数:778
DSP如何建立人群数据模型
DSP的广告投放系统中,最为关键的“人群定向”功能正是通过“聚类”算法得以实现的。为什么要进行人群数据模型?所谓精准的空大宣传多少有点令人厌恶,我们不妨来看看精准的前提人群数据模型时如何建立,由此还原受众行为分析的真相。广告传递信息的受众是每个在使用移动设备的..
分类:其他好文   时间:2016-11-21 20:39:06    阅读次数:188
k-Means 算法分析
本人小白,第一次发布博客,大神绕路,不喜勿喷。 最近公司要求一些机器学习的内容,所以在看一些机器学习有关的资料,最近看的书名字叫做 机器学习实战。这是一本不错的书籍,很值得一读。 好,不说废话,进入我们今天的正题。 k-均值算法(k-means算法) 1.k-means算法是一种聚类算法。 何为聚类 ...
分类:编程语言   时间:2016-11-17 20:28:49    阅读次数:262
混合高斯模型聚类
混合高斯模型简介 混合高斯模型基于多变量正态分布。类gmdistribution通过使用EM算法来拟合数据,它基于各观测量计算各成分密度的后验概率。 高斯混合模型常用于聚类,通过选择成分最大化后验概率来完成聚类。与k-means聚类相似,高斯混合模型也使用迭代算法计算,最终收敛到局部最优。高斯混合模 ...
分类:其他好文   时间:2016-11-15 17:14:27    阅读次数:396
谱聚类(spectral clustering)及其实现详解
Preface 开了很多题,手稿都是写好一直思考如何放到CSDN上来,一方面由于公司技术隐私,一方面由于面向对象不同,要大改,所以一直没贴出完整,希望日后可以把开的题都补充全。 谱聚类从...
分类:其他好文   时间:2016-11-15 14:42:12    阅读次数:603
微软数据挖掘算法:Microsoft顺序分析和聚类分析算法(8)
前言 本篇文章继续我们的微软挖掘系列算法总结,前几篇文章已经将相关的主要算法做了详细的介绍,我为了展示方便,特地的整理了一个目录提纲篇:大数据时代:深入浅出微软数据挖掘算法总结连载,有兴趣的童鞋可以点击查阅,本篇我们将要总结的算法为:Microsoft顺序分析和聚类分析算法,此算法为上一篇中的关联规 ...
分类:编程语言   时间:2016-11-14 09:53:02    阅读次数:279
微软数据挖掘算法:Microsoft 关联规则分析算法(7)
前言 本篇继续我们的微软挖掘算法系列总结,前几篇我们分别介绍了:微软数据挖掘算法:Microsoft 决策树分析算法(1)、微软数据挖掘算法:Microsoft 聚类分析算法(2)、微软数据挖掘算法:Microsoft Naive Bayes 算法(3)、微软数据挖掘算法:Microsoft 时序算 ...
分类:编程语言   时间:2016-11-14 09:38:26    阅读次数:350
微软数据挖掘算法:Microsoft 时序算法(5)
前言 本篇文章同样是继续微软系列挖掘算法总结,前几篇主要是基于状态离散值或连续值进行推测和预测,所用的算法主要是三种:Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法,当然后续还补充了一篇结果预测篇,所涉及的应用场景在前几篇文章中也有 ...
分类:编程语言   时间:2016-11-12 16:25:37    阅读次数:331
微软数据挖掘算法:结果预测篇
本文原文地址:(原创)大数据时代:基于微软案例数据库数据挖掘知识点总结(结果预测篇) 前言 本篇文章主要是继续前几篇微软数据挖掘算法:Microsoft 决策树分析算法(1)、微软数据挖掘算法:Microsoft 聚类分析算法(2)、微软数据挖掘算法:Microsoft Naive Bayes 算法 ...
分类:编程语言   时间:2016-11-12 09:33:06    阅读次数:304
信用评分卡模型入门(智能算法)
信用评分卡模型入门 2016-07-26 智能算法 智能算法 一、背景介绍: 4.数据整理(数据清理过程) 大量取样的数据要真正最后进入模型,必须经过数据整理。在数据处理时应注意检查数据的逻辑性、区分“数据缺失”和“0”、根据逻辑推断某些值、寻找反常数据、评估是否真实。可以通过求最小值、最大值和平均 ...
分类:编程语言   时间:2016-11-11 07:50:24    阅读次数:996
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!