前言：机器学习所使用的数据大多具有很多的特征，想要直观的对数据的分布和特征之间的关系进行观测，需要将数据的主要特征提取出来，降低到三维及三维以下的空间来展示。 PCA(主成分分析)是常用的用于降维的方法，本文通过PCA对数据进行降维，再对降维后的数据用K-means算法聚类，以达到在低维空间可直观观 ...
分类：
其他好文 时间：
2019-07-19 21:20:35
阅读次数：
141
对于非结构化的网站中文评论信息，r的中文词频包可能是用来挖掘其潜在信息的好工具，要分析文本内容，最常见的分析方法是提取文本中的词语，并统计频率。频率能反映词语在文本中的重要性，一般越重要的词语，在文本中出现的次数就会越多。词语提取后，还可以做成词云，让词语的频率属性可视化，更加直观清晰。 比如对于如 ...
分类：
编程语言 时间：
2019-07-19 19:16:30
阅读次数：
251
在BIRCH聚类算法原理中，我们对BIRCH聚类算法的原理做了总结，本文就对scikit-learn中BIRCH算法的使用做一个总结。# 一、scikit-learn之BIRCH类 在scikit-learn中，BIRCH类实现了原理篇里讲到的基于特征树CF Tree的聚类。因此要使用BIRCH来聚... ...
分类：
其他好文 时间：
2019-07-19 19:15:36
阅读次数：
114
在DBSCAN密度聚类算法中，我们对DBSCAN聚类算法的原理做了总结，本文就对如何用scikit-learn来学习DBSCAN聚类做一个总结，重点讲述参数的意义和需要调参的参数。# 一、scikit-learn中的DBSCAN类 在scikit-learn中，DBSCAN算法类为sklearn.c... ...
分类：
数据库 时间：
2019-07-19 19:06:48
阅读次数：
126
K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数据情况下的... ...
分类：
编程语言 时间：
2019-07-19 19:06:36
阅读次数：
104
谱聚类（spectral clustering）是广泛使用的聚类算法，比起传统的K-Means算法，谱聚类对数据分布的适应性更强，聚类效果也很优秀，同时聚类的计算量也小很多，更加难能可贵的是实现起来也不复杂。在处理实际的聚类问题时，个人认为谱聚类是应该首先考虑的几种算法之一。下面我们就对谱聚类的算法... ...
分类：
其他好文 时间：
2019-07-19 18:55:16
阅读次数：
98
在K-Means聚类算法原理中，我们对K-Means的原理做了总结，本文我们就来讨论用scikit-learn来学习K-Means聚类。重点讲述如何选择合适的k值。# 一、K-Means类概述 在scikit-learn中，包括两个K-Means的算法，一个是传统的K-Means算法，对应的类是KM... ...
分类：
其他好文 时间：
2019-07-19 18:40:13
阅读次数：
76
DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法)是一种很典型的密度聚类算法，和K-Means，BIRCH这些一般只适用于凸样本集的聚类相比，DBSCAN既可以适用于凸样本集，也可以适用... ...
分类：
数据库 时间：
2019-07-19 18:35:45
阅读次数：
132
聚类凝聚度和K值得选择 在聚类分析中，有的时候数据数量过多，我们用拐点发选择K值，横轴为聚类簇数的变化，纵轴为数据的凝聚度（SSE方差），当凝聚度的大小随着K值得增多降低数量较小时，证明，K值得增加对凝聚度的影响变小，那么选择拐点的K值是可行的，因为继续增加K值，对分类的准确度增加不高，但是会增加分 ...
分类：
其他好文 时间：
2019-07-16 12:39:04
阅读次数：
134
聚类算法： K 均值聚类（K Means） K 中心点聚类（K Meaoids） 密度聚类（Densit based Spatial Clustering of Application with Noise,DBSCAN） 系谱聚类（Hierarchical Clustering） 期望最大化聚类（ ...
分类：
编程语言 时间：
2019-07-12 12:54:03
阅读次数：
178
