考虑到学习知识的顺序及效率问题，所以后续的几种聚类方法不再详细讲解原理，也不再写python实现的源代码，只介绍下算法的基本思路，使大家对每种算法有个直观的印象，从而可以更好的理解函数中参数的意义及作用，而重点是放在如何使用及使用的场景。 （题外话： 今天看到一篇博文：刚接触机器学习这一个月我都做了 ...
分类：
编程语言 时间：
2017-06-08 18:03:33
阅读次数：
227
DBSCAN方法及应用 1.DBSCAN密度聚类简介 DBSCAN 算法是一种基于密度的聚类算法： 1.聚类的时候不需要预先指定簇的个数 2.最终的簇的个数不确定DBSCAN算法将数据点分为三类： 1.核心点：在半径Eps内含有超过MinPts数目的点。 2.边界点：在半径Eps内点的数量小于Min ...
分类：
数据库 时间：
2017-06-04 22:53:20
阅读次数：
492
K-means方法及其应用 1.K-means聚类算法简介： k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。主要处理过程包括： 1.随机选择k个点作为初始的聚类中心。 2.对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇。 3.对每个簇，计算所 ...
分类：
其他好文 时间：
2017-06-04 20:05:34
阅读次数：
609
网格聚类算法综述（1）STINGSTING（StatisticalInformationGrid）是一种基于网格的多分辨率聚类技术它将空间区域划分为矩型单元。针对不同级别的分辨率，通常存在多个级别的矩形单元，这些单元形成了一个层次结构；高层的每个单元被划分为多个低一层的单元。每个网格单元属性的..
分类：
编程语言 时间：
2017-06-02 17:29:04
阅读次数：
186
在数据分析和数据挖掘的过程中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如K最近邻（KNN）和K均值（K-Means）。当然衡量个体差异的方法有很多，最近查阅了相关的资料，这里整理罗列下。 为了方便下面的解释和举例，先设 ...
分类：
其他好文 时间：
2017-05-29 13:37:27
阅读次数：
183
聚类分析的定义： 聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程，其目的是在相似的基础上收集数据来分类。 传统的聚类算法可以被分为五类：划分方法、层次方法、基于密度方法、基于网格方法和基于模型方法。 【K-means算法】 首先从n个数据对象任意选择 k 个对象作为初始聚类 ...
分类：
编程语言 时间：
2017-05-28 10:58:46
阅读次数：
185
机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。 《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多 ...
分类：
其他好文 时间：
2017-05-26 20:38:46
阅读次数：
168
在数据挖掘中聚类和分类的原理被广泛的应用. 聚类即无监督的学习. 分类即有监督的学习. 通俗一点的讲就是：聚类之前是未知样本的分类.而是依据样本本身的相似性进行划分为相似的类簇. 而分类是已知样本分类,则须要将样本特征和分类特征进行匹配,进而将每一个样本归入给出的特定的类. 因为本文是对聚类算法中的 ...
分类：
编程语言 时间：
2017-05-26 10:58:00
阅读次数：
227
本文讲解如何使用R语言进行 KMeans 均值聚类分析，并以一个关于人口出生率死亡率的实例演示具体分析步骤。 ...
分类：
其他好文 时间：
2017-05-20 22:43:20
阅读次数：
320
如何衡量数据点之间的相似或相异程度是聚类算法的基础问题，会直接影响聚类分析的效果，最直观的方法是使用距离函数或者相似性函数。常见的相似或相异程度计算方法。1.计算公式1.Minkowskidistance很多距离计算方法都可以归结为基于向量p范数的距离，即Minkowskidistance。dij=..
分类：
其他好文 时间：
2017-05-19 14:38:28
阅读次数：
177
