聚类是将相似对象归到同一个簇中的方法，这有点像全自动分类。簇内的对象越相似，聚类的效果越好。支持向量机、神经网络所讨论的分类问题都是有监督的学习方式，现在我们所介绍的聚类则是无监督的。其中，K均值（K-means）是最基本、最简单的聚类算法。...
分类：
编程语言 时间：
2016-01-23 18:30:32
阅读次数：
225
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
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
程序流程图：
Hierarchical(MIN)核心功能函数，采用vector >::dTable存储两点之间的距离。计算每两个point间的距离并保存到distance table中；判断是否达到需要聚类的cluster数量，若是，将point信息写入clustering文件，程序结束。否则，合并两个具有最小距离的point，将两个point中的所有node全部加入到一个point...
分类：
编程语言 时间：
2015-12-31 12:55:47
阅读次数：
245
程序流程图：
DBSCAN核心功能函数，计算每个point的eps范围内的point数量pts；
对于所有pts >Minpts的point，记为Core point；
对于所有的corepoint，将其eps范围内的core point下标添加到vector::corepts中；
对于所有的corepoint，采用深度优先的方式遍历core point的所有cluster，使...
分类：
数据库 时间：
2015-12-31 12:55:01
阅读次数：
376
广义上讲，任何在学习过程中应用到矩阵特征值分解的方法均叫做谱学习方法，比如主成分分析(PCA),线性判别成分分析(LDA),流形学习中的谱嵌入方法，谱聚类等等。 由于科苑向世明老师课件上面关于ng的谱聚类算法里面与ng大神的论文中写到的算法中有所出入，导致昨天晚上调了一晚上的算法并没有调出满...
分类：
编程语言 时间：
2015-12-28 00:47:42
阅读次数：
407
这篇文章主要是爬取百度5A景区摘要信息，再利用Jieba分词工具进行中文分词，最后提出文本聚类算法的一些概念知识。一. Selenium爬取百度百科摘要 二. Jieba中文分词 1.安装及入门介绍 2.添加自定义词典 3.关键词提取 4.对百度百科获取摘要分词 5.去除停用词 三. 基于VSM的文...
分类：
编程语言 时间：
2015-12-18 06:49:30
阅读次数：
8948
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，这里整理罗列下。 为了方便下面的解释和举例，先设定我们要比较X个...
分类：
编程语言 时间：
2015-12-01 12:52:40
阅读次数：
189
因为自己对python也有一定的了解，之前也用R做过一些数据分析，又恰好看到几篇文章介绍python实现算法的，觉得挺有意思，所以参考了一些书籍来自己实现一个K-means的聚类算法。《Python数据分析基础教程：NumPy学习指南（第2版）》和 《 Matplotlib手册》是做数据分析的挺不错...
分类：
编程语言 时间：
2015-11-23 18:41:18
阅读次数：
782
鉴于DBSCAN算法对输入参数，领域半径E和阈值M比较敏感，在参数调优时比较麻烦，因此本文对另一种基于密度的聚类算法OPTICS（Ordering Points To Identify the Clustering Structure）展开研究，其为DBSCAN的改进算法，与DBSCAN相比，该算法...
分类：
其他好文 时间：
2015-11-09 20:39:59
阅读次数：
312
