前面，我们已经解释并实现了部分的sklean算法，下表展示了sklean所能使用的聚类算法 发现，还有几种未写出来，例如AP（亲和传播）聚类、FeatureAgglomeration聚类，以及我们的MInIBathK-means未单独写出来，代码和前面几篇类似。在这些算法中 我们实验统一使用iris ...
分类：
其他好文 时间：
2017-08-18 22:27:52
阅读次数：
452
聚类根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 ， 然后选择合适 的特征向量聚类不同的数据点。 谱聚类可以在任意形状的样本空间聚类，且收敛于全局最优解，因此在处理高维数据方面存在着明显优势。总的来说，该算法存在一些不足之处。算法在聚类之前需要设置具体应 ...
分类：
其他好文 时间：
2017-08-18 18:36:12
阅读次数：
158
第一章节是从一个餐厅的角度出发，引出来许许多多的相关概念。 第一个概念就是什么是数据挖掘，这个简单，望文生义就好了。它的名字本身就诠释了它的内涵。 基本任务还是得记一下： 1分类与预测。（有点像量化，股票交易） 2聚类分析（） 3关联规则（） 4时序模式（） 5偏差检测（） 关于定义挖掘目标，就是什 ...
分类：
其他好文 时间：
2017-08-07 13:37:11
阅读次数：
122
热图是使用颜色来展示数值矩阵的图形。通常还会结合行、列的聚类分析，以表达实验数据多方面的结果。 热图在生物学领域应用广泛，尤其在高通量测序的结果展示中很流行，如样品-基因表达，样品-OTU相对丰度矩阵非常适合采用热图呈现。 热图优点 因为人读数字需要思考和比较，而对颜色识别能力非常强，采用颜色的深浅 ...
分类：
其他好文 时间：
2017-08-03 00:54:06
阅读次数：
1870
7月30之前做了什么 监督学习的常见算法，如决策树，SVM，GLM，naive bayes，非监督算法，k-means，kNN 相关的概率论知识补充，除神经网络与深度学习外的资料收集，对脑机研究的基本了解，对整体机器学习，深度学习，数据挖掘这块宏观的认识 接下来还需要继续学习的有： 1.继续传统机器 ...
分类：
其他好文 时间：
2017-07-28 14:07:47
阅读次数：
154
R语言数据挖掘实战系列（5）——挖掘建模一、分类与预测分类和预测是预测问题的两种主要类型，分类主要是预测分类标号（离散属性），而预测主要是建立连续值函数模型，预测给定自变量对应的因变量的值。1.实现过程（1）分类分类是构造一个分类模型，输入样本的属性值，输出对应..
分类：
编程语言 时间：
2017-07-23 22:32:09
阅读次数：
189
K-Means介绍 K-means算法是聚类分析中使用最广泛的算法之中的一个。它把n个对象依据他们的属性分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。其聚类过程能够用下图表示： 如图所看到的。数据样本用圆点表示，每一个簇的中心点用叉叉表示。(a)刚開 ...
分类：
编程语言 时间：
2017-07-22 21:08:00
阅读次数：
315
第十章63、什么是聚类分析 一个把数据对象划分成子集的过程。每一个子集市一个簇，使得簇中的对象彼此相似，但与其他簇中的对象不相似。由聚类分析产生的簇的集合称做一个聚类。64、数据挖掘对聚类的要求 1、可伸缩性 2、处理不同属性类型的能力 3、发现任意形状的簇 4、对于确定输入参数的领域知识的要求 5 ...
分类：
其他好文 时间：
2017-06-29 23:54:36
阅读次数：
245
数据挖掘主要有以下知识点 1.统计分析 主要包括回归/逻辑回归分析，主成分分析/因子分析 等 其中主成分/因子分析：对多维变量进行降维，以选择合适建模变量的方法 回归逻辑/回归分析：基于一组相关数据建立自变量与因变量的确定关系，并以此研究统计意义与随机变量的不确定性关系的方法 2.聚类分析 根据对象 ...
分类：
其他好文 时间：
2017-06-28 21:40:28
阅读次数：
129
一、层次聚类（系统聚类） 原理：合并法（分解法方向相反算法相同，SPSS只提供合并法） 1、将每一个样本作为一类，如果是k个样本就分k成类 2、按照某种方法度量样本之间的距离，并将距离最近的两个样本合并 为一个类别，从而形成了k-1个类别 3、再计算出新产生的类别与其他各类别之间的距离，并将距离最近 ...
分类：
其他好文 时间：
2017-06-28 17:04:36
阅读次数：
237
