01 EM算法 - 大纲 - 最大似然估计(MLE)、贝叶斯算法估计、最大后验概率估计(MAP)__K-means算法回顾__：03 聚类算法 - K-means聚类__K-means算法__，也称为k-均值聚类算法，是一种非常广泛使用的聚类算法之一。假定输入样本为S=x1,x2,x3,...,xm,则算法步骤为：1、选择初始的k个簇中心点μ1,μ2,...,μk；2、将样本Xi标记为距离簇中心最
转载
2024-09-27 14:55:20
71阅读
文章目录K均值聚类模型策略算法流程算法特性K均值与EM算法K均值聚类的缺陷高斯混合模型(GMM)GMM概率图模型GMM模型GMM的EM算法 期望最大化（expectation-maximization，E-M）是一种非常强大的算法，应用于数据科学的很多场景中。k-means 是EM算法的一个非常简单并且易于理解的应用，本文先从K均值聚类讲起，然后引出K均值的缺陷，提出了混合高斯模型对K均值聚类
这篇博客整理K均值聚类的内容，包括：1、K均值聚类的原理；2、初始类中心的选择和类别数K的确定；3、K均值聚类和EM算法、高斯混合模型的关系。 一、K均值聚类的原理K均值聚类（K-means）是一种基于中心的聚类算法，通过迭代，将样本分到K个类中，使得每个样本与其所属类的中心或均值的距离之和最小。1、定义损失函数假设我们有一个数据集｛x1, x2,..., xN｝，每个样本的特征维度是m
1.简介 在讲EM之前，不知道大家还记不记得GMM算法，这个算法本质上也是一种聚类算法，而且GMM的求解正是利用本篇所讲的EM聚类来得到高斯分量的。 上篇提到了K-Means聚类，尽管这个算法很常用，但可能会遇到像聚类重叠，或聚类的形状不是圆形等问题；今天来学习一个新的聚类算法，叫EM聚类，这个
tsne_embedding聚类显示模板
原创
2024-05-22 00:21:32
41阅读
# Python 根据位置聚类的入门指南
在数据科学与机器学习领域，聚类是一种常用的无监督学习方法。聚类算法将数据点分组（或“聚类”）到一起，使得同一组内的数据点相似度高，而不同组间的数据点相似度低。本文将聚焦于使用Python进行位置数据的聚类分析，并通过代码示例来展示这一过程。
## 什么是位置聚类？
位置聚类通常用于分析地理位置数据，例如将城市、商店或用户位置分组。这种技术在市场营销、
原创
2024-08-06 03:42:33
109阅读
一 什么是聚类聚类是针对给定的样本，依据它们的特征的相似度或距离，将其归并到若干"类" 或者 "簇"的数据分析问题,直观上讲，聚类是将相似的样本归到一个类。根据介绍我们明白，聚类的核心是如何来对两个样本的相似度来进行度量。聚类方法有多种度量方法，下面一起来看看吧。二 相似度的度量方法在聚类中，可以将样本集合看作是向量空间中点的集合，利用点和点之间的距离来代表样本与样本之间的相似度。点与点之间距离越
前面，提到聚类是无监督学习中应用最广泛的。聚类定义 对大量无label的数据集按照样本点之间的内在相似性进行分类，将数据集分为多个类别，使得划分为相同类别的数据的相似度比较大。被划分的每个类称为cluster,距离/相似度计算欧式距离 n维空间的任意两点,,之间的距离,由向量性质就是，这本质上是一个2-范式，这里，我们在衡量时用更为广泛的P-范式，至
转载
2023-12-19 23:13:29
209阅读
实现了从豆瓣获取用户想读的书籍，构造偏好数据，并采用Tanimoto系数进行数据分类聚集。
原创
2023-01-31 09:31:36
109阅读
Python 根据相似度矩阵聚类
## 引言
在数据分析和机器学习领域，聚类是一种常用的无监督学习方法。它可以将具有相似性质的数据点分组在一起，并将其与其他不相似的数据点区分开来。聚类算法可以用于各种应用，例如市场细分、社交网络分析和图像处理等。在本文中，我们将介绍如何使用 Python 根据相似度矩阵进行聚类。
## 相似度矩阵
在聚类算法中，首先需要计算数据点之间的相似度。相似度矩阵是
原创
2024-01-08 03:38:58
528阅读
前 言聚类是人类认识未知世界的一种重要的认知手段。在生产和生活中,人们往往面对非常复杂的事和物,如果能够把相似的东西归为一类,有明显区别的事物分属在不同的类别中,处理起来就大为简便。所谓“物以类聚,人以群分”,说的就是这个道理。譬如人们将生物分为动物和植物,又根据不同的生理特点将生物分为不同的门、纲、目、科、属、种在化学理论中,人们根据不同的化学性质将各种元素划分为不同的类别,比如卤族元素、惰性气
14 聚类方法1. 聚类的基本概念1.1 相似度或距离1.2 类或簇1.3 类之间的距离2. 层次聚类3. K均值聚类3.1 模型3.2 策略3.3 算法3.4 算法特性3.5 实例解释 导读： 聚类：依据样本特征的相似度或距离，将其归并到若干个**“类”或“簇”**的数据分析问题目的：通过得到的类或簇来发现数据的特点或对数据进行处理。聚类：属于无监督学习，因为只是根据样本的相似度或距离将其进行
转载
2024-05-15 13:21:52
93阅读
# 根据xy位置进行聚类 Python
在数据分析和机器学习领域，聚类是一种常用的技术，用于将数据集中的样本分组成具有相似特征的类别。在实际应用中，有时候我们需要根据样本的xy位置进行聚类，比如在地图数据中根据地理位置信息对用户进行聚类。本文将介绍如何使用Python实现根据xy位置进行聚类的方法。
## 1. 安装必要的库
在Python中，我们可以使用scikit-learn库来进行聚类
原创
2024-06-18 06:23:42
36阅读
# Python 如何根据相似性聚类
聚类是一种典型的机器学习算法，用于根据数据点之间的相似性将其分组。它在数据挖掘、模式识别及图像处理等领域有着广泛的应用。本文将介绍如何使用 Python 进行基于相似性的聚类分析，具体涵盖聚类的基本概念、常用的方法、Python 中的实现以及示例代码。
## 一、聚类简介
聚类是将相似的数据对象归为一类的过程。相似性可以基于不同的标准，如欧氏距离、曼哈顿
# Python 图片根据 Tag 文本进行聚类
在当今数字化时代，图像的生成和分享已成为我们生活的一部分。为了更好地管理和利用这些图像数据，特别是进行图像分类和聚类，就需要用到一些机器学习和数据处理的技术。本文将介绍如何使用 Python 根据标签文本对图片进行聚类，并通过代码示例进行演示。
## 聚类的基本概念
聚类是一种无监督学习技术，其目的是将一组数据根据其特征划分为若干个组（或集群
原创
2024-08-04 05:16:18
32阅读
由于做模糊数学代码实现的博主太少，导致大学生们面对作业痛苦不堪，现在我准备将我的作业开放给大家参考。如果你觉得这个博文还不错的话，请点点赞支持一下~层次聚类（Hierarchical Clustering）是一种常用的数据分析方法，它通过计算数据点之间的相似度来构建一个层次结构的聚类树。在层次聚类中，数据被分为不同的层次，从而形成一个由细到粗的聚类结构。这种方法不需要预先指定聚类的数量，而是生成一
转载
2024-06-21 09:26:21
22阅读
一、聚类分类二、k-means2.1、基本算法2.2、 算法流程2.3、算法分析2.4、结束条件2.5、散度2.6、时间和空间复杂度2.7、常见问题2.8、SAE和SAE三、层次聚类3.1、分类3.2、计算步骤3.3、lance-williams3.4、层次聚类问题四、密度聚类（DBSCAN）4.2、解释4.2、算法步骤4.3、DBSCAN优缺点4.4、变密度的簇4.5、簇评估分类4.5.1、图
转载
2023-06-21 22:09:52
173阅读
引用:Core Concepts — gensim<<自然语言处理入门>>一、简介 文本聚类( text
clustering
，也称文档聚类或
document
clustering
)指的是对文档进行的聚类分
析，被广泛用于文本挖掘和信息检索
聚类（Clustering）简单来说就是一种分组方法，将一类事物中具有相似性的个体分为一类用的算法。具体步骤如下：从n...
原创
2022-12-18 01:06:50
1479阅读
上一篇博文中介绍了聚类算法中的kmeans算法.无可非议kmeans因为其算法简单加之分类效率较高。已经广泛应用于聚类应用中.然而kmeans并不是十全十美的.其对于数据中的噪声和孤立点的聚类带来的误差也是让人头疼的.于是一种基于Kmeans的改进算法kmediod应运而生.kmediod和Kmeans算法核心思想大同小异,可是最大的不同是在修正聚类中心的时候,kmediod是计算类簇中除开聚类中
转载
2023-10-10 09:34:12
189阅读
