每天一个数据分析题（三百八十二）- 聚类 2024-06-21 聚类, 数据分析, 机器学习, 人工智能, 数据挖掘 111人 已看 内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习，Spark八个方向的专项练习题库，数据分析从业者刷题必备神器！如果不考虑外部信息，聚类结构的优良性度量应当采用。D. 离散系数。A. 中位数。B. 均方差。C. 平均数。
数据挖掘常见算法(聚类) 2024-06-24 算法, 聚类, 机器学习, 人工智能, 数据挖掘 84人 已看 K-均值算法(K-means算法)方法:首先选择K个随机的点,称为聚类中心.对于数据集中的,每一个数据,按照距离K个中心点的距离,将其与距离最近的中心点关联起来,与同一个中心点关联的所有点聚成一类PAM(k-中心点算法算法分析：k-中心点算法消除了k-平均算法对孤立点的敏感性；比k-平均算法更健壮。算法分析：k-中心点算法消除了k-平均算法对孤立点的敏感性；比k-平均算法更健壮。
机器学习之聚类学习 2024-05-18 学习, 支持向量机, 聚类, 机器学习, 人工智能 38人 已看 根据每个类别样本点，重新计算出新聚类中心点(平均值)，若计算出的新中心与原中心点重叠，则停止聚类，否重新进行第2步过程，直到聚类中心不再变化。在决定什么时候停止训练时，肘形判断同样有效，数据通常有更多噪音，在增加分类无法带来更多汇报时，即停止增加类别。，将样本划分到不同类别种，不同相似度计算方法，会得到不同聚类结果，常用相似度计算方法为：欧氏距离。对于n个数据集，迭代计算k from i to n，每次聚类完成后计算SSE。整型状，缺省值=8，生成聚类数，即产生质心(centroids)数。
Python 机器学习 基础 之 无监督学习 【聚类（clustering）/k均值聚类/凝聚聚类/DBSCAN】的简单说明 2024-05-22 聚类, python, 机器学习, 人工智能, 开发语言 39人 已看 Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。Python 机器学习是利用 Python 编程语言中的各种工具和库来实现机器学习算法和技术的过程。
机器学习------聚类 2024-05-17 算法, 支持向量机, 聚类, 机器学习, 人工智能 32人 已看 在聚类算法中根据样本之间的相似性,将样本互粉到不同的类别中,对于不同的相似计算方法,会得到不同的聚类结果,常用的相似度计算方法有欧式距离法。用户画像,广告推荐,Data Segmentation,搜索引擎的流量推荐,恶意流量识别。2.计算每一个样本i到最近簇j内的所有样本的平均距离bij,该值越大,说明该样本越不属于其他簇j。1.计算每一个样本 i 到同簇内其他样本的平均距离ai, 该值越小,说明簇内的相似程度越大。整形,缺省值=8,生成的聚类数,即产生的质心(centroids)数。
[机器学习聚类算法实战-1] | Scikit-Learn工具包进阶指南：机器学习聚类算法之层次聚类、特征集聚、均值移位聚类、k-均值聚类实战分析 2024-05-16 支持向量机, 聚类, 机器学习, scikit-learn, 均值算法 48人 已看 机器学习中的聚类分析是一种无监督学习方法，旨在将数据点划分为相似的组或簇，使得同一组内的数据点彼此相似，而不同组之间的数据点则相对较不相似。聚类分析可以帮助我们理解数据的内在结构，发现数据中隐藏的模式，并将数据进行自然的分组，从而为进一步分析或决策提供基础。K-Means 聚类：将数据点分成预先指定的 k 个簇，每个簇具有最小化簇内平方误差的中心点。K-Means 是一种迭代算法，通过不断更新簇中心点来优化聚类结果。层次聚类：逐步将数据点合并到不断增长的聚类中，形成层次结构。
