Kmeans算法是一种极为常见的聚类算法。其算法过程大意如下：（1）通过问题分析，确定所要聚类的类别数k；（一般是难以直接确定，可以使用交叉验证法等方法，逐步进行确定。）（2）根据问题类型，确定计算数据间相似性的计算方法；（3）从数据集中随机选择k个数据作为聚类中心；（4）利用相似度计算公式，计算每...
分类：
其他好文 时间：
2015-01-22 11:00:54
阅读次数：
244
原文：http://www.cnblogs.com/luxiaoxun/archive/2013/05/09/3069594.htmlClustering中文翻译作“聚类”，简单地说就是把相似的东西分到一组，同 Classification （分类）不同，对于一个 classifier ，通常需要你...
分类：
编程语言 时间：
2015-01-19 20:38:24
阅读次数：
306
所谓的聚类是指，将一个数据集中的某些方面相似的数据成员进行分类的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。k均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数...
分类：
其他好文 时间：
2015-01-17 17:43:56
阅读次数：
219
介绍K-means算法是是最经典的聚类算法之一，它的优美简单、快速高效被广泛使用。它是很典型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。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。图示 步骤从N个文档随机选取K个文档作...
分类：
其他好文 时间：
2015-01-17 15:07:54
阅读次数：
122
聚类是一种无监督的学习，它将相似的对象归到同一个簇中。它有点像全自动分类（类别体系是自动构建的）。聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好。本文要介绍一种称为K-均值（K-means）聚类的算法。之所以称之为K-均值是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。...
分类：
编程语言 时间：
2015-01-08 17:58:36
阅读次数：
324
聚类是一种无监督的学习（无监督学习不依赖预先定义的类或带类标记的训练实例），它将相似的对象归到同一个簇中，它是观察式学习，而非示例式的学习，有点像全自动分类。说白了，聚类（clustering）是完全可以按字面意思来理解的——将相同、相似、相近、相关的对象实例聚成一类的过程。机器学习中常见的聚类算法包括 k-Means算法、期望最大化算法（Expectation Maximization，EM，参考“EM算法原理”）、谱聚类算法（参考机器学习算法复习-谱聚类）以及人工神经网络算法，本文阐述的是K-均值聚类算...
分类：
编程语言 时间：
2015-01-07 16:49:33
阅读次数：
245
前言 在前面的文章中，涉及到的机器学习算法均为监督学习算法。 所谓监督学习，就是有训练过程的学习。再确切点，就是有 "分类标签集" 的学习。 现在开始，将进入到非监督学习领域。从经典的聚类问题展开讨论。所谓聚类，就是事先并不知道具体分类方案的分类 (允许知道分类个数)。 本文将介绍一个最为经...
分类：
编程语言 时间：
2015-01-06 17:06:13
阅读次数：
499
AP聚类算法是基于数据点间的"信息传递"的一种聚类算法。与k-均值算法或k中心点算法不同，AP算法不需要在运行算法之前确定聚类的个数。AP算法寻找的"examplars"即聚类中心点是数据集合中实际存在的点，作为每类的代表。算法描述： 假设$\{ {x_1},{x_2}, \cdots ,{x_.....
分类：
编程语言 时间：
2015-01-05 00:21:46
阅读次数：
1414
