无监督算法： KMeans算法： 1、 随机初始化数据集簇的中心，一般从数据集中选择 2、 外循环： 内循环：计算各个数值点到中心的距离，进行聚类 计算每个聚类的平局值，移动聚类中心 PCA算法： 目标：数据压缩和可视化 1、 对样本数据进行去均值和归一化 2、 组建sigma矩阵，然后进行奇异值分 ...
分类：
编程语言 时间：
2019-02-02 14:23:14
阅读次数：
164
kmeans聚类理论篇 前言 kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。 本文记录学习kmeans算法相关的内容，包括算法原理，收敛性，效果评估聚，最后带上R ...
分类：
编程语言 时间：
2019-01-28 01:30:53
阅读次数：
236
https://blog.csdn.net/loveliuzz/article/details/78783773 机器学习sklearn19.0聚类算法——Kmeans算法 ...
分类：
编程语言 时间：
2019-01-19 15:13:24
阅读次数：
187
KMeans KMeans是一种无监督学习聚类方法, 目的是发现数据中数据对象之间的关系，将数据进行分组，组内的相似性越大，组间的差别越大，则聚类效果越好。 无监督学习,也就是没有对应的标签,只有数据记录.通过KMeans聚类,可以将数据划分成一个簇,进而发现数据之间的关系. 原理 KMeans算法 ...
分类：
编程语言 时间：
2018-11-26 23:18:27
阅读次数：
380
from __future__ import print_function import sys import numpy as np from pyspark.sql import SparkSession def parseVector(line): return np.array([float... ...
分类：
编程语言 时间：
2018-10-30 21:21:34
阅读次数：
247
Bisecting KMeans Bisecting KMeans算法的主要思想是：首先将所有点作为一个簇，然后将该簇一分为二，之后选择能最大限度降低聚类代价函数（也就是误差平方和）的簇划分为两个簇，以此进行下去，直到簇的数目等于用户给定的数目k为止。 Gaussian Mixture Model ...
分类：
编程语言 时间：
2018-08-02 02:03:02
阅读次数：
169
一、关于聚类及相似度、距离的知识点 二、k-means算法思想与流程 三、sklearn中对于kmeans算法的参数 四、代码示例以及应用的知识点简介 （1）make_blobs：聚类数据生成器 sklearn.datasets.make_blobs(n_samples=100, n_feature ...
分类：
编程语言 时间：
2018-05-08 14:24:08
阅读次数：
1174
一、Kmeans算法流程： 1.选取K个类中心（首次随机选取） 2.计算每个点到K个类中心的距离 3.把数据点分配给距离最近的一个类中心 4.计算新的类中心（对该类中的所有点取均值） 5.重复234，直至满足终止条件后终止迭代 不再有重新分配 最大迭代数 所有类中心移动小于某一阈值 二、Kmean算 ...
分类：
编程语言 时间：
2018-01-30 22:52:33
阅读次数：
199
聚类概念 无监督问题：我们手里没有标签 聚类：相似的东西分到一组 难点：如何评估，如何调参 基本概念 要得到簇的个数，需要指定K值 质心：均值，即向量各维取平均即可 距离的度量：常用欧几里得距离和余弦度（先标准化） 优化目标： 工作流程： 优势： 简单、快速、适合常规数据集 劣势： K值难确定 复杂 ...
分类：
编程语言 时间：
2017-11-02 14:27:19
阅读次数：
258
第十章 利用k-均值聚类算法对未标注的数据进行分组 一．导语 聚类算法可以看做是一种无监督的分类方法，之所以这么说的原因是它和分类方法的结果相同，区别它的类别没有预先的定义。簇识别是聚类算法中经常使用的一个概念，使用这个概念是为了对聚类的结果进行定义。 聚类算法几乎可以用于所有的对象，并且簇内的对象 ...
分类：
编程语言 时间：
2017-09-10 17:41:18
阅读次数：
299
