1.随机产生k个分类特征的中心点 2.计算数据点到中心点的距离 3.数据点到哪个中心点最近就分到哪个类 4.迭代：更新中心点位置，重新计算距离并分配类别，直到总体距离最小 ...
分类：
其他好文 时间：
2019-08-12 23:36:18
阅读次数：
101
1、应用场景 实时数据流通过kafka后，根据业务需求，一部分直接借助kafka connector入Elasticsearch不同的索引中。 另外一部分，则需要先做聚类、分类处理，将聚合出的分类结果存入ES集群的聚类索引中。如下图所示： 业务系统的分层结构可分为：接入层、数据处理层、数据存储层、接 ...
分类：
其他好文 时间：
2019-08-11 13:00:58
阅读次数：
145
用通俗的语言讲解涵盖算法模型的机器学习，主要内容包括机器学习通用概念、三个基本科学计算工具、有监督学习、聚类模型、降维模型、隐马尔可夫模型、贝叶斯网络、自然语言处理、深度学习、强化学习、模型迁移等。在深入浅出地解析模型与算法之后，介绍使用Python相关工具进行开发的方法、解析经典案例，能理解、能设 ...
分类：
其他好文 时间：
2019-08-11 09:18:05
阅读次数：
4754
由于今年暑假在学习一些自然语言处理的东西，发现网上对k-means的讲解不是很清楚，网上大多数代码只是将聚类结果以图片的形式呈现，而不是将聚类的结果表示出来，一下代码将老师给的代码和网上的代码结合了一下，由于网上有许多关于k-means算法基础知识的讲解，因此我在这里就不多讲解了，想了解详细内容的， ...
分类：
编程语言 时间：
2019-08-08 13:31:46
阅读次数：
113
本文主要回顾下几个常用算法的适应场景及其优缺点！ 机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热 ...
分类：
编程语言 时间：
2019-08-08 11:44:01
阅读次数：
129
在做文本分类聚类的任务时，常常需要从文本中提取特征，提取出对学习有价值的分类，而不是把所有的词都用上，那样会造成维度灾难。因此一些词对分类的作用不大，比如“的、是、在、了”等停用词。这里介绍三种常用的特征选择方法： 无监督方法： TF IDF 监督方法： 卡方 信息增益 互信息 一、TF IDF 一 ...
分类：
其他好文 时间：
2019-08-04 13:32:31
阅读次数：
119
(1)涉及到的算法 1.监督学习：线性回归，逻辑回归，神经网络，SVM。 线性回归（下面第三行x0(i)其实是1，可以去掉） 逻辑回归 神经网络（写出前向传播即可，反向框架会自动计算） SVM 2.非监督学习：聚类算法(K-mean),降维(PCA) K-mean PCA 3.异常检测 4.推荐系统 ...
分类：
其他好文 时间：
2019-08-02 20:16:08
阅读次数：
82
13.1无监督学习：简介 将没有标签的样本分成不同的集合（簇），这种算法叫做聚类。常用的领域有市场分割、社交网络分析、计算机集群管理、了解星系等。 13.2K-均值算法 （1）K-均值是最普及的聚类算法，是一种迭代算法，假设需要将数据聚类成n个组，这时候首先随机选择K个点，称为聚类中心。 将每个样本 ...
分类：
其他好文 时间：
2019-08-02 10:30:24
阅读次数：
87
[toc] 工作原理 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。类似于全自动分类（自动的意思是连类别都是自动构建的）。K 均值算法可以发现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。它的工作流程的伪代码表示如下： python实现 首先是两个距离函数，一般采用欧式距离 然后 ...
分类：
编程语言 时间：
2019-07-31 22:01:42
阅读次数：
246
