K-Means算法非监督式学习对一组无标签的数据试图发现其内在的结构，主要用途包括：市场划分（Market Segmentation）社交网络分析（Social Network Analysis）管理计算机集群（Organize Computer Clusters）天文学数据分析（Astronomi...
分类：
其他好文 时间：
2016-01-20 22:12:07
阅读次数：
844
聚类介绍
本章包括
1 实战操作了解聚类
2.了解相似性概念
3 使用mahout运行一个简单的聚类实例
4.用于聚类的各种不同的距离测算方法
作为人类，我们倾向于与志同道合的人合作—“鸟的羽毛聚集在一起。我们能够发现重复的模式通过联系在我们的记忆中的我们看到的、听到的、问道的、尝到的东
西。 例如，相比较盐 ，糖能够是我们更...
分类：
编程语言 时间：
2016-01-19 10:47:25
阅读次数：
209
1.说几种距离测度Mahout：欧式距离测度；平方欧式距离测度；曼哈顿距离测度；余弦距离测度；加权距离测度2.K-means算法参数：3.TF-IDF加权公式：4.聚类是什么？聚类是一种无监督的机器学习任务，可以自动将数据划分成类cluster。并不需要提前告知所划分的组是什么样的，因为我们可能都不...
分类：
其他好文 时间：
2016-01-18 22:20:54
阅读次数：
339
前面有文章提到过，K-means算法，第一步骤是找出样本点的的所属聚类。下面用两种方式实现，一种是普通的循环，一种是完全向量化计算。 假设 ： X 是ｍ×ｎ样本矩阵，其每一行是一个样本，ｍ表示样本数目，ｎ表示特征数目； centroids是K×ｎ矩阵，K表示聚类数目，ｎ表示特征数目...
分类：
其他好文 时间：
2016-01-17 21:38:05
阅读次数：
216
K-means 算法是无监督的 聚类算法，算法简单，有效。K-means算法：输入参数： 指定聚类数目 k，训练集 X输出 ： k 个聚类算法描述： K-means 算法 是一个 迭代算法，每次迭代分成两个步骤： 1）指定聚类步骤： 计算每个样本到 k 个 聚类中心的 距离...
分类：
编程语言 时间：
2016-01-17 01:15:33
阅读次数：
233
经过了2个月对机器学习的了解后。我发现了，机器学习的方向多种多样。网页排序。语音识别，图像识别，推荐系统等。算法也多种多样。看见其它的书后，我发现除了讲到的k均值聚类。贝叶斯，神经网络，在线学习等等，还有非常多其它的算法。比方说：免疫算法，遗传算法，主成分分析。蚁群算法等等。好像非常多算法都是须要....
分类：
其他好文 时间：
2016-01-13 23:20:45
阅读次数：
304
数据页可以有两种存储方式：聚类存储(clusterd storage)和非聚类存储(interleaved storage)。一个表有很多属性，索引基于某个属性。例子：att1 att2 att3name2 3 x1name1 4 x5name3 1 x21.有序索引 (sor...
分类：
数据库 时间：
2016-01-12 11:55:06
阅读次数：
164
K值聚类的时候，需要自己指定cluster的数目。这个cluster数目一般是通过canopy算法进行预处理来确定的。canopy具体描述可以参考这里。下面是 golang语言的一个实现（对经纬度距离计算进行cluster）。package mainimport ( "fmt" "mat...
分类：
其他好文 时间：
2016-01-11 12:14:43
阅读次数：
226
聚类分析 什么是聚类分析？ 聚类 (Clustering) 就是将数据对象分组成为多个类或者簇 (Cluster)，它的目标是：在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。所以，在很多应用中，一个簇中的数据对象可以被作为一个整体来对待，从而减少计算量或者提高计算质量。 其实聚类...
分类：
编程语言 时间：
2016-01-08 20:22:12
阅读次数：
211
“探索推荐引擎内部的秘密”系列将带领读者从浅入深的学习探索推荐引擎的机制，实现方法，其中还涉及一些基本的优化方法，例如聚类和分类的应用。同时在理论讲解的基础上，还会结合 Apache Mahout 介绍如何在大规模数据上实现各种推荐策略，进行策略优化，构建高效的推荐引擎的方法。本文作为这个系列的第一...
分类：
其他好文 时间：
2016-01-08 20:18:40
阅读次数：
181
