一、K-Means聚类算法 优点： （1）原理简单，实现容易，收敛速度快 （2）球形边界效果较好 缺点： （1）k取值不好把握 （2）非球形边界效果较差 （3）对噪音和异常点较敏感 应用： （1）被大多数搜索引擎用于通过相似性对网页进行聚类，并识别搜索结果的相关率，有助于搜索引擎减少用户的计算时间 ...
分类：
编程语言 时间：
2018-08-21 01:05:00
阅读次数：
248
主要参考 K-means 聚类算法及 python 代码实现 还有 《机器学习实战》 这本书，当然前面那个链接的也是参考这本书，懂原理，会用就行了。 1、概述 K-means 算法是集简单和经典于一身的基于距离的聚类算法 采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。 该算 ...
分类：
编程语言 时间：
2018-08-10 17:09:20
阅读次数：
191
1 内容简介 首先通过爬虫采集链家网上所有南京二手房的房源数据，并对采集到的数据进行清洗；然后，对清洗后的数据进行可视化分析，探索隐藏在大量数据背后的规律；最后，采用一个聚类算法对所有二手房数据进行聚类分析，并根据聚类分析的结果，将这些房源大致分类，以对所有数据的概括总结。通过上述分析，我们可以了解 ...
分类：
编程语言 时间：
2018-08-08 00:28:26
阅读次数：
318
前言：以前只是调用过谱聚类算法，我也不懂为什么各家公司都问我一做文字检测的这个算法具体咋整的，没整明白还给我挂了哇擦嘞？讯飞和百度都以这个理由刷本宝，今天一怒把它给整吧清楚了，下次谁再问来！说不晕你算我输！ 一、解释： 二、推导： 三、步骤： 四、优缺点： 五、链接： https://www.cnb ...
分类：
编程语言 时间：
2018-08-06 21:00:52
阅读次数：
325
Bisecting KMeans Bisecting KMeans算法的主要思想是：首先将所有点作为一个簇，然后将该簇一分为二，之后选择能最大限度降低聚类代价函数（也就是误差平方和）的簇划分为两个簇，以此进行下去，直到簇的数目等于用户给定的数目k为止。 Gaussian Mixture Model ...
分类：
编程语言 时间：
2018-08-02 02:03:02
阅读次数：
169
一、make_blobs简介 scikit中的make_blobs方法常被用来生成聚类算法的测试数据，直观地说，make_blobs会根据用户指定的特征数量、中心点数量、范围等来生成几类数据，这些数据可用于测试聚类算法的效果。 二、函数原型 其中： n_samples是待生成的样本的总数。 n_fe ...
分类：
其他好文 时间：
2018-07-22 00:19:10
阅读次数：
186
层次聚类 层次聚类(Hierarchical Clustering)是聚类算法的一种，通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。在聚类树中，不同类别的原始数据点是树的最低层，树的顶层是一个聚类的根节点。创建聚类树有自下而上合并和自上而下分裂两种方法。 作为一家公司的人力资源部经理 ...
分类：
其他好文 时间：
2018-07-21 12:08:28
阅读次数：
219
一、聚类 聚类分析是非监督学习的很重要的领域。所谓非监督学习，就是数据是没有类别标记的，算法要从对原始数据的探索中提取出一定的规律。而聚类分析就是试图将数据集中的样本划分为若干个不相交的子集，每个子集称为一个“簇”。它的难点是不好调参和评估。下面是sklearn中对各种聚类算法的比较。 二、K-Me ...
分类：
编程语言 时间：
2018-07-21 11:47:37
阅读次数：
262
谱聚类 广义上来说，任何在算法中用到SVD/特征值分解的，都叫Spectral Algorithm。顺便说一下，对于任意矩阵只存在奇异值分解，不存在特征值分解。对于正定的对称矩阵，奇异值就是特征值，奇异向量就是特征向量。 传统的聚类算法，如K-Means、EM算法都是建立在凸球形样本空间上，当样本空 ...
分类：
其他好文 时间：
2018-07-15 19:41:15
阅读次数：
201
欢迎大家关注我们的网站和系列教程：http://www.tensorflownews.com/，学习更多的机器学习、深度学习的知识！也可以搜索公众号：磐创AI，关注我们的文章。 作者：磐石 简述 图相关的符号符号 相似度矩阵S 拉普拉斯矩阵L性质 谱聚类算法 总结 一、简述 聚类是对探索性数据分析最 ...
分类：
其他好文 时间：
2018-07-15 19:29:51
阅读次数：
198
