如何選擇適合的聚類算法？聚類分析時需要使用什么變量？

隨機采樣的樣本大小很重要，也不能過小。需要足夠有代表性，即小樣本依然可以代表總體的數(shù)據(jù)分布。如果最終需要劃分很多個簇，那么要非常小心，因為小樣本可能無法...

2019-04-01 標簽：數(shù)據(jù)挖掘聚類算法聚類分析 3.9萬 0

機器學習中五種常用的聚類算法

與K均值相比最大的優(yōu)點是我們無需指定指定聚類數(shù)目，聚類中心處于最高密度處也是符合直覺認知的結(jié)果。但其最大的缺點在于滑窗大小r的選取，對于結(jié)果有著很大的影響。

2018-05-25 標簽：聚類算法機器學習 3.9萬 0

K-means的優(yōu)缺點及改進

K-means算法的優(yōu)點是：首先，算法能根據(jù)較少的已知聚類樣本的類別對樹進行剪枝確定部分樣本的分類；其次，為克服少量樣本聚類的不準確性，該算法本身具有優(yōu)...

2018-02-12 標簽：聚類算法K-means 3.3萬 0

Python無監(jiān)督學習的幾種聚類算法包括K-Means聚類,分層聚類等詳細概述

無監(jiān)督學習是機器學習技術(shù)中的一類，用于發(fā)現(xiàn)數(shù)據(jù)中的模式。本文介紹用Python進行無監(jiān)督學習的幾種聚類算法，包括K-Means聚類、分層聚類、t-SNE...

2018-05-27 標簽：聚類算法機器學習Python 3.1萬 0

基于密度DBSCAN的聚類算法

本文開始介紹了聚類算法概念，其次闡述了聚類算法的分類，最后詳細介紹了聚類算法中密度DBSCAN的相關(guān)概況。

2018-04-26 標簽：DBSCAN聚類算法 2.2萬 0

基本的k-means算法流程

同時，k值的選取也會直接影響聚類結(jié)果，最優(yōu)聚類的k值應(yīng)與樣本數(shù)據(jù)本身的結(jié)構(gòu)信息相吻合，而這種結(jié)構(gòu)信息是很難去掌握，因此選取最優(yōu)k值是非常困難的。

2018-07-24 標簽：函數(shù)聚類算法k-means 2.0萬 0

k means聚類算法實例

與分類不同，分類是示例式學習，要求分類前明確各個類別，并斷言每個元素映射到一個類別，而聚類是觀察式學習，在聚類前可以不知道類別甚至不給定類別數(shù)量，是無監(jiān)...

2018-02-12 標簽：聚類算法kmeans 1.6萬 0

一種基于MapReduce模型的并行化k-medoids聚類算法

本文針對k-medoids算法具有初始點選取復雜、聚類迭代時間久、中心點選取消耗資源過多等缺點，使用Hadoop平臺下的MapReduce編程框架對算...

2018-05-18 標簽：聚類算法MapReduce 5632 0

基于K-means聚類算法的圖像分割

圖像分割：利用圖像的灰度、顏色、紋理、形狀等特征，把圖像分成若干個互不重疊的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)相似性，在不同的區(qū)域之間存在明顯的差異性。...

2023-09-07 標簽：圖像分割聚類算法K-means 2871 0