搜索结果
查询Tags标签： Kmeans，共有 39条记录-
统计分析 -- 聚类算法模型
统计分析 -- 聚类算法模型 距离分析数据标准化 欧氏距离与量纲有关，因此，有时需要对数据进行预处理， 如标准化等。 在MATLAB中的命令是zscore，调用格式 Z = zscore(X) 输入X表示N行p列的原始观测矩阵，行为个体，列为指标。输出Z为X的标准化矩阵: Z = (X–ones(N,1)*m…
2022/8/24 1:22:52 人评论 次浏览 -
java手撕KMeans算法实现手写数字聚类（失败案例）
最近几天刚刚接触机器学习，学完K-Means聚类算法。正好又赶上一个课程项目是识别“手写数字”，因为KMeans能够实现聚类，因此自然而然地想要通过KMeans来实现。 前排提示：这是kmeans聚类的一个失败案例，没有成功聚类，仅供参考。 一，什么是KMeans聚类算法？？ 非常传统…
2022/3/19 22:28:16 人评论 次浏览 -
美赛python学习d13——K_means聚类算法
K-Means算法的作用 基于数据间距离的远近，将若干离散的数据分成多个类 聚类遇到的问题 分成多少个类？ 手肘法则： 畸变程度之和：通俗地说就是每个类内的数据与类耳朵中心点的距离平方和，再将所有的组内平方和相加 聚合系数折线图：随着类的个数增加，聚合系数（畸变程…
2022/2/4 11:43:01 人评论 次浏览 -
【项目实战】Python基于KMeans算法进行文本聚类项目实战
说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景随着计算机技术的发展、Web 应用的逐步普及，大量的电子文本已经触手可及，文本数据的增多引发了另一个问题：人们如何从规模庞大的文本数…
2022/1/30 1:08:16 人评论 次浏览 -
使用R kmeans 算法实现异常检测
kmeans 采用计算数据每个元素到聚集中心点的距离方式判断异常值。 利用R提供的kmeans函数把数据聚集为几个簇，然后再计算每个元素至簇中心的距离，最后选择最远距离的几个点，视为异常值。准备数据 set.seed(97) test <- as_tibble(runif(100)*10) %>% mutate(id=r…
2021/12/11 22:18:44 人评论 次浏览 -
使用R kmeans 算法实现异常检测
kmeans 采用计算数据每个元素到聚集中心点的距离方式判断异常值。 利用R提供的kmeans函数把数据聚集为几个簇，然后再计算每个元素至簇中心的距离，最后选择最远距离的几个点，视为异常值。准备数据 set.seed(97) test <- as_tibble(runif(100)*10) %>% mutate(id=r…
2021/12/11 22:18:44 人评论 次浏览 -
Kmeans聚类算法学习 - 安装 scikit-learn
安装最新版本 Scikit-learn 要求:Python (>= 3.5), NumPy (>= 1.11.0), SciPy (>= 0.17.0), joblib (>= 0.11).Scikit-learn绘图功能(即，函数以“plot_”开头，需要Matplotlib(>= 1.5.1)。一些scikit-learn示例可能需要一个或多个额外依赖项:scikit-image…
2021/12/9 11:17:10 人评论 次浏览 -
Kmeans聚类算法学习 - 安装 scikit-learn
安装最新版本 Scikit-learn 要求:Python (>= 3.5), NumPy (>= 1.11.0), SciPy (>= 0.17.0), joblib (>= 0.11).Scikit-learn绘图功能(即，函数以“plot_”开头，需要Matplotlib(>= 1.5.1)。一些scikit-learn示例可能需要一个或多个额外依赖项:scikit-image…
2021/12/9 11:17:10 人评论 次浏览 -
[机器学习]Kmeans聚类算法和性能指标
文章目录 一、Kmeans算法及其优缺点1.简单介绍2.K-means的优点与缺点 二、性能指标1.选择K值手肘法轮廓系数CH指标sklearn提供的方法2.其他性能指标资料整理一、Kmeans算法及其优缺点 跳过算法原理 1.简单介绍 Kmeans算法是基于划分的聚类算法，其优化目标是同类的点尽量近…
2021/12/1 22:07:47 人评论 次浏览 -
[机器学习]Kmeans聚类算法和性能指标
文章目录 一、Kmeans算法及其优缺点1.简单介绍2.K-means的优点与缺点 二、性能指标1.选择K值手肘法轮廓系数CH指标sklearn提供的方法2.其他性能指标资料整理一、Kmeans算法及其优缺点 跳过算法原理 1.简单介绍 Kmeans算法是基于划分的聚类算法，其优化目标是同类的点尽量近…
2021/12/1 22:07:47 人评论 次浏览 -
聚类算法用于降维，KMeans的矢量量化应用
文章目录 前言案例：聚类算法用于降维，KMeans的矢量量化应用1. 导入需要的库2.导入数据，探索数据（里面的内容是探索图像数据的一个固定的流程）3. 决定超参数，数据预处理4. 对数据进行K-Means的矢量量化5. 对数据进行随机的矢量量化6. 将原图，按KMeans矢量量化和随机…
2021/11/21 17:09:59 人评论 次浏览 -
聚类算法用于降维，KMeans的矢量量化应用
文章目录 前言案例：聚类算法用于降维，KMeans的矢量量化应用1. 导入需要的库2.导入数据，探索数据（里面的内容是探索图像数据的一个固定的流程）3. 决定超参数，数据预处理4. 对数据进行K-Means的矢量量化5. 对数据进行随机的矢量量化6. 将原图，按KMeans矢量量化和随机…
2021/11/21 17:09:59 人评论 次浏览 -
机器学习--数据挖掘算法（无监督）
一、有监督学习和无监督学习区别 分类：有监督 聚类：无监督 二、kmeans 算法
2021/11/20 9:40:03 人评论 次浏览 -
机器学习--数据挖掘算法（无监督）
一、有监督学习和无监督学习区别 分类：有监督 聚类：无监督 二、kmeans 算法
2021/11/20 9:40:03 人评论 次浏览 -
第七节 Scipy-kmeans聚类色彩提取
import numpy as np from scipy.cluster.vq import vq, kmeans, whiten import matplotlib.pyplot as pltfe = np.array([[1.9,2.0],[1.7,2.5],[1.6,3.1],[0.1,0.1],[0.8,0.3],[0.4,0.3],[0.22,0.1],[0.4, 0.3],[0.4,0.5],[1.8,1.9]])book = np.array((fe[0], fe[1])) pri…
2021/11/12 6:10:40 人评论 次浏览
