大家好！在这篇文章中，我将向你展示如何在R中进行层次聚类。 什么是分层聚类？ 分层聚类是一种可供选择的方法，它可以自下而上地构建层次结构，并且不需要我们事先指定聚类的数量。 该算法的工作原理如下： 将每个数据点放入其自己的群集中。 确定最近的两个群集并将它们组合成一个群集。 重复上述步骤，直到所有数 ...
分类：
编程语言 时间：
2019-06-21 15:47:08
阅读次数：
144
智能运维用到的技术 1.数据聚合/关联技术概念聚类算法AOI分类算法K近邻/贝叶斯分类器/logistic回归(LR)/支持向量机(SVM)/随机森林(RF) 2.数据异常点检测技术独立森林算法 3.故障诊断和分析策略关联规则挖掘(Apriori算法/FP-growth算法)(有)决策树算法(迭代二 ...
分类：
其他好文 时间：
2019-06-19 16:43:16
阅读次数：
137
相似数据检测算法对给定的一对数据序列计算两者之间的相似度([0,1], 1表示完全相同)或距离([0, ), 0表示完全相同)，从而度量数据之间的相似程度。相似数据检测在信息科学领域具有非常重要的应用价值，比如搜索引擎检索结果的聚类与排序、数据聚类与分类、Spam检测、论文剽窃检测、重复数据删除、D ...
分类：
编程语言 时间：
2019-06-18 12:26:37
阅读次数：
145
一、K均值聚类算法 算法步骤如下： 1、初始化 已知数据集合X，及事先指定聚类的总类数N，在X中随机选取N个对象作为初始的聚类中心。 2、设定迭代终止条件 通常设置最大循环次数或者聚类中心的变化误差。 3、更新样本对象所属类 根据距离准则将数据对象分配到距离最接近的类。 4、更新类的中心位置 将每一 ...
分类：
其他好文 时间：
2019-06-17 14:09:59
阅读次数：
124
kmeans 中k值一直是个令人头疼的问题，这里提出几种优化策略。 手肘法 核心思想 1. 肉眼评价聚类好坏是看每类样本是否紧凑，称之为聚合程度； 2. 类别数越大，样本划分越精细，聚合程度越高，当类别数为样本数时，一个样本一个类，聚合程度最高； 3. 当k小于真实类别数时，随着k的增大，聚合程度显 ...
分类：
其他好文 时间：
2019-06-11 13:14:18
阅读次数：
104
最近在研究sample之间的similarity，以便更好地进行clustering，一下是相关资料 TF-IDF与余弦相似性的应用（一）：自动提取关键词 TF-IDF与余弦相似性的应用（二）：找出相似文章 相似度（距离计算）汇总 常用的相似度计算方法原理及实现 机器学习中的相似性度量 大量短文本聚 ...
分类：
其他好文 时间：
2019-06-11 11:19:49
阅读次数：
125
01numpy的使用 1.numpy的两个基本元素 n维数组和矩阵 # arr type:<class 'numpy.ndarray'>, # mat type:<class 'numpy.matrix'> # Type:<class 'numpy.matrix'># Value:# [[ 2. 6 ...
分类：
其他好文 时间：
2019-06-09 00:19:36
阅读次数：
126
K-means聚类 将n个观测点，按一定标准（数据点的相似度），划归到k个聚类（用户划分、产品类别划分等）中。 重要概念：质心 K-means聚类要求的变量是数值变量，方便计算距离。 算法实现 R语言实现 k-means算法是将数值转换为距离，然后测量距离远近进行聚类的。不归一化的会使得距离非常远。 ...
分类：
编程语言 时间：
2019-06-08 18:48:07
阅读次数：
308
基本原理 Kmeans是无监督学习的代表，没有所谓的Y。主要目的是分类，分类的依据就是样本之间的距离。比如要分为K类。步骤是： 1. 随机选取K个点。 2. 计算每个点到K个质心的距离，分成K个簇。 3. 计算K个簇样本的平均值作新的质心 4. 循环2、3 5. 位置不变，距离完成 距离 Kmean ...
分类：
编程语言 时间：
2019-06-07 19:23:46
阅读次数：
175
一句话明晰概念：不用编程制定机器做什么，机器有能力自己学习。 三种最基础的机器学习算法：决策树、线性回归、K-means聚类。 监督与无监督学习 周志华通过敲西瓜案例有以下讲解： 监督学习是在敲西瓜听声音判断好坏过程中有懂行的人告诉你这个瓜的好坏，给不同的声音贴上了好坏瓜的标签，慢慢学习声音特征之间 ...
分类：
其他好文 时间：
2019-06-07 11:23:59
阅读次数：
95
