0 K-means算法简介K-means是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。算法过程如下：1）从N个文档随机选取K个文档作为质...
分类：
编程语言 时间：
2015-07-28 12:38:26
阅读次数：
271
空间自相关，肯定是空间统计里面第一个拦路虎了，很多人遇上了这个高大上的词汇，立刻就发现，这五个字我好像都认识，但是到底说了啥？不知道。如果翻开各种教材，从统计学到数学到物理学，各种解释都摆出了一副“老子就是高大上学霸，屌丝学渣勿扰”的样子，这个东西真得就那么难么？...
分类：
其他好文 时间：
2015-07-27 23:01:45
阅读次数：
519
（一）原理部分模糊C均值（Fuzzy C-means）算法简称FCM算法，是一种基于目标函数的模糊聚类算法，主要用于数据的聚类分析。理论成熟，应用广泛，是一种优秀的聚类算法。本文关于FCM算法的一些原理推导部分介绍等参考下面视频，加上自己的理解以文字的形式呈现出来，视频参考如下，比较长，看不懂的可以再去看看：FCM原理介绍FCM分析1
FCM分析2
FCM分析3首先介绍一下模糊这个概念，所谓模糊...
分类：
编程语言 时间：
2015-07-27 18:59:44
阅读次数：
464
Affinity Propagation (AP) 聚类是2007年在Science杂志上提出的一种新的聚类算法。它根据N个数据点之间的相似度进行聚类,这些相似度可以是对称的,即两个数据点互相之间的相似度一样(如欧氏距离);也可以是不对称的,即两个数据点互相之间的相似度不等。这些相似度组成N×N的相...
分类：
编程语言 时间：
2015-07-27 12:50:40
阅读次数：
110
CLIQUE（Clustering In QUEst)是一种简单的基于网格的聚类方法，用于发现子空间中基于密度的簇。CLIQUE把每个维划分成不重叠的区间，从而把数据对象的整个嵌入空间划分成单元。它使用一个密度阈值识别稠密单元和稀疏单元。一个单元是稠密的，如果映射到它的对象数超过该密度阈值。CLIQ...
分类：
编程语言 时间：
2015-07-25 22:48:40
阅读次数：
263
发现一个外国的学习ML的网站，介绍分类、回归、聚类等等知识，感觉非常不错就记录下，以后遇到好的学校资料，也会整理分享到这里
http://scikit-learn.org/stable/index.html...
分类：
其他好文 时间：
2015-07-24 18:29:48
阅读次数：
106
k均值（kmeans）聚类是一种最为简单的聚类方法，直接根据数据点之间的距离（欧氏距离，几何距离等等）来划分数据是属于哪一类的，当所有数据点所属的类别不在变化的时候，聚类也就完成了。详细原理可索引下面一个博客：聚类分析笔记-K均值matlab算法（一）关于kmeans再谈几点认识：
重要的一点：聚类数目的问题。有的聚类、分类问题已经限制好了要聚类成几类，也就是聚类数目一定，那么这种聚类通常简单些，直...
分类：
编程语言 时间：
2015-07-24 14:29:21
阅读次数：
324
像上一篇文章 《聚类思想分析》 所述， 聚类算法无所谓好坏，重点在于合理使用各类算法达到最优效果。-----------------------------------------------------------------------------------------------------...
分类：
编程语言 时间：
2015-07-23 19:07:18
阅读次数：
183
优点：原理简单（靠近中心点），实现容易（1、2 天），聚类效果中上（依赖K的选择）缺点：1. 无法确定K的个数 （根据什么指标确定K）2. 对离群点敏感 （容易导致中心点偏移）3. 算法复杂度不易控制 O(NKm)， 迭代次数可能较多 （m可能会比较大）4. 局部最优解而不是全局优 （这个和初始点选...
分类：
编程语言 时间：
2015-07-23 13:43:56
阅读次数：
168
聚类算法在数据挖掘中经常使用，思想简单直接。 在系统中，自己也实现过几个聚类算法，做针对性的优化也并无它难度。 由于其方式的简单，开始也未对它有过深入思考。 但是，如果你想让数据自己说话，还是离不开聚类。 因此调研了很多聚类算法，做一些总结。-----------------------...
分类：
其他好文 时间：
2015-07-23 13:30:47
阅读次数：
144
