一、聚类算法的介绍1.什么是聚类算法聚类算法是一类无监督学习算法，用于将数据集中的对象分组（或聚类）成具有相似性的集合。聚类算法不依赖于预定义的类别标签，而是根据数据的内在特点将相似的数据点聚集在一起。聚类算法的目标是通过最大化组内的相似性和最小化组间的差异来实现聚类。聚类算法可以帮助我们发现数据中的潜在结构、识别相似的数据点、进行数据压缩和预处理等。2.聚类算法在现实中的应用市场细分：聚类算法可
转载
2023-11-02 21:11:08
181阅读
# 机器学习聚类实际应用
## 概述
在机器学习中，聚类是一种常用的无监督学习方法，用于将相似的数据点归为一类。聚类算法可以帮助我们发现数据的内在结构，找到数据中的模式和规律。本文将介绍机器学习聚类的整个流程，并提供相应的代码示例和注释。
## 流程
下面的表格展示了机器学习聚类的主要步骤和相应的代码示例。
| 步骤 | 代码示例
原创
2023-08-29 08:12:35
65阅读
此处并不会列举每一种聚类(Clustering)算法，因为学术界Clustering算法如果真要细分，还真有很多变种。此处只会介绍几种在我近几年互联网工作生涯中实际碰到的具体问题， 以及如何使用Clustering算法解决这些问题。 一般来说，我们可以将Clustering认为是将出现的数据进行Data Segmentation，也就是经常说的哲理： 物以类聚。 从机器学习的观点来看， Clus
文章目录四种基本算法以及如何选择基于连通性的聚类或层次聚类基于质心的聚类期望最大化算法基于数据密度的聚类 这里介绍四种基本的聚类算法—层次聚类、基于质心的聚类、最大期望算法和基于密度的聚类算法， 并讨论不同算法的优缺点。聚类算法十分容易上手，但是选择恰当的聚类算法并不是一件容易的事。数据聚类是搭建一个正确数据模型的重要步骤。数据分析应当根据数据的共同点整理信息。然而主要问题是，什么一般性的参数可
转载
2024-10-01 22:04:32
19阅读
1. K-Means 算法 此算法是很常用的一个算法，也是基于向量距离来做聚类。算法步骤： （1） 从 n 个向量对象任意选择 k 个向量作为初始聚类中心 （2） 根据在步骤（1）中设置的 k 个向量（中心对象向量），计算每个对象与这 k 个中心对象各自的距离 &nbs
原创
精选
2022-12-10 16:10:52
383阅读
点赞
本文是“漫谈 Clustering 系列”中的第 8 篇，参见本系列的其他文章。系列不小心又拖了好久，其实正儿八经的 blog 也好久没有写了，因为比较忙嘛，不过觉得 Hierarchical Clust...
转载
2016-08-05 11:12:00
304阅读
2评论
一、聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类（Cluster）分析是由若干模式（Pattern）组成的，通常，模式是一个度量（Measurement）的向量，或者是多维空间中的一个点。
聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。 二、聚类算法分类1.基于划分给定一个有N个元组
转载
2023-12-18 21:36:04
137阅读
#聚类##一、目的 将具有相似特征的样本聚成一类，与其他类别进行有效区分。 ##二、聚类的研究方法 ###1.基于层次的聚类 层次聚类、BIRCH算法（平均迭代规约和聚类）、CURE算法（代表点CHAMELEON算法（动态模型） ###2.基于划分的聚类 Mean算法（平均）、K-MEDOIDS算法（中心点）、CLARANS算法（选择）K-prototype算法 ###3.基于密度的算法 DBSC
转载
2024-01-03 12:46:03
102阅读
聚类，就像回归一样，有时候人们描述的是一类问题，有时候描述的是一类算法。聚类算法通常按照中心点或者分层的方式对输入数据进行归并。所以的聚类算法都试图找到数据的内在结构，以便按照最大的共同点将数据进行归类。 常见的聚类算法包括 k-Means算法以及期望最大化算法 (1) 首先我们选择一些类/组，并随
原创
2021-07-23 15:34:38
199阅读
聚类问题是无监督学习的问题，算法的思想就是“物以类聚，人以群分”。聚类算
法感知样本间的相似度，进行类别归纳，对新的输入进行输出预测，输出变量取有限个
离散值。 ...
转载
2021-07-26 20:27:00
675阅读
2评论
K-means聚类算法 K-means聚类算法 测试： 测试： DBSCAN密度聚类 DBSCAN密度聚类 测试 测试 基于聚类的图像分割 基于聚类的图像分割 测试 测试
转载
2017-08-31 15:00:00
266阅读
聚类概念：无监督问题：我们手里没有某一个数据属于某一个标签聚类：将相似的东西分到一组难点：不像有监督问题有标签 评估难度大 没有标准答案调参难
K-MEANS算法基本概念:要得到簇的个数，需要制定K值质心：数据的均值，即向量各维取平均即可距离的度量：常用欧式距离和余弦相似度（先标准化）优化目标：使得每个簇当中，所有样本点到质心的距离越小越好
mini=1∑kxϵCi∑dict(Ci,
原创
2022-03-23 13:49:28
106阅读
文章目录初识聚类算法聚类算法api初步聚类算法实现流程特征降维初识聚类算法聚类算法一种典型的无监督学习算法，主要用于将相似的样本自动归到
原创
2022-06-17 16:53:43
254阅读
# 机器学习之聚类
机器学习是计算机科学的一个分支，旨在使计算机能够通过经验自动改进其性能。聚类是机器学习中的一种重要技术，它属于无监督学习（unsupervised learning）的范畴，常用于将数据集分成多个组（簇），使得同一组内的数据点彼此相似，而不同组间的数据点差别明显。本文将围绕聚类的原理、常用的聚类算法及代码示例进行讨论，并说明聚类在实际应用中的重要性。
## 聚类的基本概念
## 机器学习 文本聚类的实现流程
### 步骤概览
下面是机器学习 文本聚类的实现流程概览：
| 步骤 | 描述 |
| ---- | ---- |
| 步骤 1 | 数据预处理 |
| 步骤 2 | 特征提取 |
| 步骤 3 | 模型训练 |
| 步骤 4 | 聚类分析 |
| 步骤 5 | 结果评估 |
接下来，我们将详细介绍每个步骤以及所需的代码。
### 步骤 1：数据预处理
原创
2023-09-10 07:01:42
124阅读
Kmeans聚类算法是十分常用的聚类算法，给定聚类的数目N，Kmeans会自动在样本数据中寻找N个质心，从而将样本数据分为N个类别。下面简要介绍Kmeans聚类原理，并附上自己写的Kmeans聚类算法实现。一、Kmeans原理 1. 输入：一组数据data，设定需要聚类的类别数目ClusterCnt，设定迭代次数IterCnt，以及迭代截止精度eps 输出：数据da
聚类问题是无监督学习的问题，算法的思想就是“物以类聚，人以群分”。聚类算
法感知样本间的相似度，进行类别归纳，对新的输入进行输出预测，输出变量取有限个
离散值。 ...
转载
2021-07-26 20:27:00
233阅读
2评论
根据上面第二个数据集的簇的形状比较怪异，分簇结果应该是连起来的属于一个簇，但是k-means结果分出来很不如人意，所以这里介绍一种新的聚类方法，此方法不同于上一个基于划分的方法，基于划分主要发现圆形或者球形簇；为了发现任意形状的簇，用一个基于密度的聚类方法，这类方法将簇看做是数据空间中被低密度区域分割开的稠密对象区域，这一理念刚好也符合数据集的特征。&nbs
转载
2024-10-18 21:06:31
23阅读
代码示例
# -*- coding: utf-8 -*-
"""
Created on Fri Sep 21 15:37:26 2018
@author: zhen
"""
from PIL import Image
import numpy as np
from sklearn.cluster import KMeans
import matplotlib
import matplotlib
转载
2021-02-20 16:23:00
167阅读
2评论
目录1 认识聚类算法1.1 聚类算法在现实中的应用1.2 聚类算法的概念1.3 聚类与分类最大的区别1.4 小结2 聚类算法api初步使用2.1 api介绍2.2 案例2.2.1流程分析2.2.2 代码实现
原创
2022-10-08 09:10:06
224阅读
