信贷场景下的客户分群，在实际业务中有着非常重要的意义，例如存量客群营销、客户价值管理、产品精准营销、风控层次部署等，都会依据不同类别客户的合理划分。客户群体的分类，我们经常通过机器学习中的聚类算法来实现，常采用的方法有K-means聚类、DBSCAN聚类、层次聚类等。虽然聚类模型可以有效实现客户群体分类的特征标签，但模型最终是否满足实际业务场景的需求，需要模型能够达到一定的性能标准，这就需要我们在
分类：分类（classification），对于一个分类员来说，通常需要你告诉它“这个东西被分为某某类”，理想情况下，一个分类员会从它得到的训练集何总进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做supervised learning（监督学习）。聚类：聚类（clustering），简单的说就是把相似的东西分到一组，聚类的时候，我们并不关心某一类是什么，我们需要实现
转载
2023-09-07 21:34:26
73阅读
python实现层次聚类
层次聚类(Hierarchical Clustering)一.概念 层次聚类不需要指定聚类的数目，首先它是将数据中的每个实例看作一个类，然后将最相似的两个类合并，该过程迭代计算只到剩下一个类为止，类由两个子类构成，每个子类又由更小的两个子类构成。如下图所示：二.合并方法在聚类中每次迭代都将两个最近的类进行合并，这个类间的距离计
转载
2023-06-19 14:40:48
179阅读
Python 分类聚类的实现流程
在Python中，实现分类和聚类需要经历以下步骤：
1. 数据准备：收集和整理用于分类和聚类的数据。可以使用Python的Pandas库来读取和处理数据。
```python
import pandas as pd
# 读取数据
data = pd.read_csv('data.csv')
# 数据清洗和预处理
# ...
```
2. 特征选择和提取
原创
2024-02-05 04:29:57
51阅读
# 分类与聚类在 Python 中的实现
在数据科学中，分类与聚类是重要的任务。分类是指将数据分配到预定义的类别中，而聚类则是将数据根据其特征进行分组。在本篇文章中，我们将通过步骤化的流程来实现这两个任务，并用代码示例进行说明。
## 整体流程概览
我们可以将分类和聚类的过程分为几个步骤，如下表所示：
| 步骤 | 操作 |
原创
2024-09-01 06:32:52
31阅读
图像聚类（一）K-means聚类（K均值聚类）1.1 Scipy聚类包1.2 图像聚类1.3 在主成分上可视化图像1.4 像素聚类（二）层次聚类（三）谱聚类 所谓聚类，就是将相似的事物聚集在一 起，而将不相似的事物划分到不同的类别的过程，是数据分析之中十分重要的一种手段。比如古典生物学之中，人们通过物种的形貌特征将其分门别类，可以说就是 一种朴素的人工聚类。如此，我们就可以将世界上纷繁复杂的信息
转载
2023-10-23 08:36:34
95阅读
什么是聚类？基本上，它是一种无监督学习方法，也是用于许多领域的统计数据分析的常用技术。 聚类主要是将观测集合划分为子集(称为聚类)的任务，以同一聚类中的观测在一种意义上相似并且与其他聚类中的观测不相似的方式。 简而言之，可以说聚类的主要目标是根据相似性和不相似性对数据进行分组。 例如，下图显示了不同群集中的类似数据 -数据聚类算法以下是数据聚类的几种常用算法 - K-Means算法K均值聚类算法是
转载
2023-11-28 22:48:03
32阅读
层次聚类 1、层次聚类的原理及分类 1）层次法（Hierarchicalmethods）先计算样本之间的距离。每次将距离最近的点合并到同一个类。然后，再计算类与类之间的距离，将距离最近的类合并为一个大类。不停的合并，直到合成了一个类。其中类与类的距离的计算方法有：最短距离法，最长距离法，中间距离
原创
2021-07-08 16:42:33
1740阅读
密度聚类密度聚类方法的指导思想是，只要一个区域中的点的密度大于某个阈值，就把它加到与之相近的聚类中去。这类算法优点在于可发现任意形状的聚类，且对噪声数据不敏感。但计算密度单元的计算复杂度大，需要建立空间索引来降低计算量。这个方法的指导思想就是，只要一个区域中的点的密度大过某个阈值，就把它加到与之相近的聚类中去。一.DBSCAN算法:它将簇定义为a密度相连的点的最大集合，所有的点被分为核心点，(密度
转载
2023-10-26 11:28:20
100阅读
一、分类问题分类是为了给那些已经给定的输入选择正确的标签。在基本的分类任务中，每个输入都被认为与其他的输入是隔离的。每个类别的标签集是预先定义好的（只有把类别划分好了，才能给输入划分类别）。分类任务举例：判断电子是否是垃圾邮件从一个固定的主题领域列表里，比如有‘体育’、‘技术’、‘政治’等，来判断新闻报道的主题判断给定词‘bank’的意思是指河的坡岸、金融机构、还是金融机构里的存储行为基本分类任务
转载
2023-08-28 11:25:29
98阅读
# Python 基于密度的聚类
在数据科学和机器学习领域聚类是一项非常重要的技术，它用于将数据集中的对象分为若干组，使得同一组内的对象相似度较高，而不同组之间的对象相似度较低。与传统的聚类方法不同，基于密度的聚类算法，如 DBSCAN（Density-Based Spatial Clustering of Applications with Noise），能够有效识别任意形状的聚类，并处理噪声
学习记录回归、分类与聚类回归（regression）——Supervised Learning (监督学习)1.定义给定一个样本特征，希望预测其对应的属性值，如果是离散的，那么这就是一个分类问题，反之，如果是连续的实数，这就是一个回归问题。有监督学习的两大应用之一，产生连续的结果，即回归问题。有监督学习的两大应用之一，产生离散的结果，即分类问题。无论是分类问题还是回归问题，都是想建立一个预测模型，
转载
2024-06-13 10:28:01
19阅读
# Python基于网格的聚类
## 引言
聚类是机器学习中常用的一种无监督学习方法，它用于将数据集中的对象划分为若干个类别。Python提供了许多聚类算法，其中基于网格的聚类是一种简单而有效的方法。本文将介绍基于网格的聚类方法，并提供Python代码示例。
## 网格聚类原理
基于网格的聚类方法将数据集划分为一个个网格单元，并通过计算每个网格的中心点来聚类数据。其主要步骤如下：
1.
原创
2023-11-14 04:18:43
255阅读
一、几个基本概念机器学习的一种分类方法：回归，分类，聚类。从下面的图应该能够大致理解三个概念的区别：用文字描述一下：回归（regression）就是在处理连续数据，如时间序列数据时使用的技术。分类（classification）鉴别垃圾邮件就可以归类为分类问题。只有两个类别的问题称为二分类，有三个及以上的问题称为多分类，比如数字的识别就属于多分类问题。聚类（clustering）聚类与分类相似，与
转载
2024-04-12 14:12:09
1136阅读
点赞
I . 聚类主要算法II . 基于划分的聚类方法III . 基于层次的聚类方法IV . 聚合层次聚类 图示V . 划分层次聚类 图示VI . 基于层次的聚类方法 切割点选取VII . 基于密度的方法VIII . 基于方格的方法IX . 基于模型的方法
原创
2022-03-09 10:13:09
368阅读
1.软件版本MATLAB2013b2.本算法理论知识聚类：首先计算整个数据集合的平均值点，作
原创
2022-10-10 15:18:39
329阅读
一、模型聚类将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其它簇中的对象相异，数学描述如下：给定一个数据样本集合X={X1，X2，，，，Xn},可以根据数据样本点之间的相似程度将它们划分成K个簇：C={C1，C2，，，，Cn},其中Xi={Xi1,Xi2,Xi3,,,,Xim}和Xj={Xj1,Xj2
转载
2024-01-20 00:02:22
139阅读
聚类算法有很多，不同聚类算法，特性不一样，使用场景不一样，根据算法思想可分为以下几类：1.基于划分方法k-means，k-modes, k-prototypes, k-medoids, CLARA, CLARANS,PCM2.基于层次方法chameleon, BIRCH, SBAC, ROCK,CU...
原创
2021-09-04 10:52:33
329阅读
01.根据数据集testSet2.txt,利用sklearn里的Kmeans算法完成聚类分类，并画出图形。import numpy as npfrom sklearn.cluster import KMeansimport matplotlib.pyplot as plt#载入数据
原创
2022-05-09 21:56:39
300阅读
scikit-learn基本功能主要分为六大部分：分类、回归、聚类、数据降维、模型选择和数据预处理。1、分类 分类属于有监督学习，是给对象指定所属类别范畴的。常见的应用场景有垃圾邮件检测、图像识别。分类已实现的算法有：K最邻近算法、逻辑回归、支持向量机、随机森林和决策树等。2、回归  
