1.用python实现K均值算法 K means是一个反复迭代的过程，算法分为四个步骤： （x,k,y) 1） 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； def initcenter(x, k): kc 2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近 ...
分类：
其他好文 时间：
2018-10-30 22:22:59
阅读次数：
205
聚类——无监督学习的一种算法 K-means算法 最为广泛使用的聚类算法 选择两个聚类中心 簇分配：根据每个样本更接近哪个聚类中心进行样本的分配 簇中心移动：计算出所有的红点类的均值点，移动原始聚类中心到这个点，蓝点类同理 进行不断地迭代直到收敛 输入：K个簇类和训练集样本数据 注意：不需要X0项， ...
分类：
系统相关 时间：
2018-10-30 13:52:09
阅读次数：
292
1.用python实现K均值算法 1(1) 选取数据空间中的K个对象作为初始中心，每个对象代表一个聚类中心； 1.(2） 对于样本中的数据对象，根据它们与这些聚类中心的欧氏距离，按距离最近的准则将它们分到距离它们最近的聚类中心（最相似）所对应的类； 2. 鸢尾花花瓣长度数据做聚类并用散点图显示 运行 ...
分类：
编程语言 时间：
2018-10-28 22:09:07
阅读次数：
290
1.用python实现K均值算法 K-means是一个反复迭代的过程，算法分为四个步骤： 2. 鸢尾花花瓣长度数据做聚类并用散点图显示。 3. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类并用散点图显示. 4. 鸢尾花完整数据做聚类并用散点图显示. ...
分类：
编程语言 时间：
2018-10-28 16:11:19
阅读次数：
249
import numpy as np x=np.random.randint(1,100,[20,1]) #在1-100范围中产生20行1列的随机数组 y=np.zeros(20) k=3 #取数据中k个对象为初始中心,每个对象代表一个聚类中心 def initcenter(x,k): return... ...
分类：
编程语言 时间：
2018-10-28 12:49:58
阅读次数：
201
聚类--K均值算法：自主实现与sklearn.cluster.KMeans调用 1.用python实现K均值算法 K-means是一个反复迭代的过程，算法分为四个步骤:（x,k,y) 结果： 2. 鸢尾花花瓣长度数据做聚类并用散点图显示。 结果： 3. 用sklearn.cluster.KMeans ...
分类：
编程语言 时间：
2018-10-27 22:33:57
阅读次数：
271
4 用python实现K均值算法 运行结果为: 运行结果为: 运行结果为: 运行结果为： 运行结果为： 鸢尾花花瓣长度数据做聚类并用散点图显示。 运行结果为： 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类并用散点图显示. 运行结果为 鸢尾花完整数据做聚类并用散点图显示. ...
分类：
编程语言 时间：
2018-10-27 17:09:35
阅读次数：
265
聚类分析 一、概念 聚类分析是按照个体的特征将他们分类，让同一个类别内的个体之间具有较高的相似度，不同类别之间具有较大的差异性 聚类分析属于无监督学习 聚类对象可以分为Q型聚类和R型聚类 Q型聚类：样本/记录聚类 以距离为相似性指标 （欧氏距离、欧氏平方距离、马氏距离、明式距离等） R型聚类：指标/ ...
分类：
其他好文 时间：
2018-10-27 15:24:01
阅读次数：
222
一、K-means聚类步骤： （1）选择k个初始聚类中心 （2）计算每个对象与这k个中心各自的距离，按照最小距离原则分配到最邻近聚类 （3）使用每个聚类中的样本均值作为新的聚类中心 （4）重复步骤（2）和（3）直到聚类中心不再变化 （5）结束，得到k个聚类 二、评价聚类的指标： （1）inertia ...
分类：
其他好文 时间：
2018-10-25 16:24:25
阅读次数：
393
1.算法描述 最近在做AutoEncoder的一些探索，看到2016年的一篇论文，虽然不是最新的，但是思路和方法值得学习。论文原文链接 http://proceedings.mlr.press/v48/xieb16.pdf，论文有感于t-SNE算法的t-分布，先假设初始化K个聚类中心，然后数据距离中 ...
分类：
编程语言 时间：
2018-10-22 00:07:02
阅读次数：
577
