Python 非常简单而又非常强大，它的功能之一就是画出漂亮的图表，实现数据的可视化。在 Matplotlib 帮助下，它能画出多种图表。下面是 Matplotlib 的部分例子。
转载
2023-06-29 13:53:03
117阅读
function [mu,mask]=kmeans(ima,k)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% kmeans image segmentation%% Input:% ima: grey color image% k: Number of classes% Output:% mu: vector of ...
转载
2010-12-25 21:01:00
78阅读
2评论
一、K-均值聚类（K-means） k-means算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。对于给定的一个包含n个d维数据点的数据集X以及要分得的类别K,选取欧式距离作为相似度指标，聚类目标
转载
2019-06-10 10:14:00
234阅读
2评论
/// <summary>
/// K-Means算法
/// </summary>
/// <summary>
/// KMeans算法类
/// </summary>
public static class KMeans
{
/// <summary>
/// 使用 KMeans 算法对 Point 数组进行聚类
原创
2023-11-01 17:14:29
0阅读
如有错误，恳请指出。任务：无监督聚类西瓜数据集（30样本），数据集如下所示：西瓜书的聚类部分，有一个题目是用30个无标签的西瓜数据集来进行聚类分出3类，这里直接贴上代码。参考代码："""
writing by: Clichong
theme: 机器学习聚类算法的实现
data: 2022/4/27
"""
import numpy as np
import pandas a
转载
2023-10-07 13:36:54
94阅读
使用TensorFlow实现K-Means算法，并将其应用于分类手写的数字图像。 此示例使用的是MNIST数据库手写数字作为训练样本（http://yann.lecun.com/exdb/mnist/）。Note: This example requires TensorFlow v1.1.0 or over.Author: Aymeric DamienProject: https:...
翻译
2022-02-09 18:29:53
297阅读
使用TensorFlow实现K-Means算法，并将其应用于分类
手写的数字图像。 此示例使用的是MNIST数据库
手写数字作为训练样本（http://yann.lecun.com/exdb/mnist/）。
Note: This example requires TensorFlow v1.1.0 or over.
Author: Aymeric Damien
Project: https:...
翻译
2021-07-15 15:12:54
735阅读
K-Means是聚类算法中的一种，其中K表示类别数，Means表示均值。顾名思义K-Means是一种通过均值对数据点进行聚类的算法。K-Means算法通过预先设定的K值及每个类别的初始质心对相似的数据点进行划分。并通过划分后的均值迭代优化获得最优的聚类结果。K值及初始质心K值是聚类结果中类别的数量。
转载
2017-04-11 08:43:00
220阅读
2评论
介绍K-means算法是是最经典的聚类算法之一，它的优美简单、快速高效被广泛使用。它是很典
原创
2022-08-21 00:35:17
109阅读
问题：K-所有值聚类是无监督学习算法设数据集。当中，。如果这个数据能够分为类。把这个问题模型化：，当中代表第类的聚点（中心点、均值）。该模型能够用EM算法进行训练：初始化，。E步：固定。最小化，显然。当中。M步：固定。最小化，，。直至收敛。——————————————————————————————...
转载
2015-07-30 16:00:00
747阅读
2评论
二分K-Means（Bisecting K-Means）是一种改进的聚类算法，它是K-Means算法的一种变体。与传统的K-Means算法一次性生成K个聚类不同，二分K-Means通过递归地将一个聚类分裂成两个，直到达到所需的聚类数目。
原创
2024-07-09 10:46:48
207阅读
问题导读：1、如何理解K-Means算法？2、如何寻找K值及初始质心？3、如何应用K-Means算法处理数据？K-Means是聚类算法中的一种，其中K表示类别数，Means表示均值。顾名思义K-Means是一种通过均值对数据点进行聚类的算法。K-Means算法通过预先设定的K值及每个类别的初始质心对相似的数据点进行划分。并通过划分后的均值迭代优化获得最优的聚类结果。K值及初始质心K值是聚类结果中类
转载
2023-06-21 21:45:37
244阅读
示了K-means算法的工作流程和优化效果。更多计算机相关内容可访问作者博客网站rn.berlinlian.cn。
K-means是比较一种流行的聚类算法，它以非监督的方式将数据分为k个聚类。具体步骤如下，随机地选择k个数据点作为初始分类的中心(+标记)计算所有数据点与k个分类中心的“距离”（e.g.欧式距离），将它们标记为最近的那个分类，如上图对每种分类数据群，重新计算他们的中心（mean point），这个中心的计算和距离一样有很多定义方法重复2-3的操作，直到分类不再改变（或是不再有大的改变）K-mean
转载
2021-03-18 16:53:27
399阅读
2评论
K-means算法输入input：data X输出output：data（X,S）解释：输入没有标签的数据data X，经过训练，给每一个数据添上一个标签S{s1,s2,...,sk}，对应的聚类中心为U...
转载
2015-07-16 19:23:00
259阅读
2评论
总结 1、二分法 2、总体中的最值 bisecting k-means ：在初始时将所有数据当成一个聚簇，然后递归地将最不紧凑的聚簇用2-means拆分为2个聚簇，直至满意
转载
2019-01-14 23:33:00
117阅读
2评论
kmeans一般在数据分析前期使用，选取适当的k，将数据聚类后，然后研究不同聚类下数据的特点。 算法原理：(1) 随机选取k个中心点；(2) 在第j次迭代中，对于每个样本点，选取最近的中心点，归为该类；(3) 更新中心点为每类的均值；(4) j<-j+1 ,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步数，误差不变.空间复杂度o(N)时间复杂度o(I*K*N)其中
转载
2023-06-09 16:50:45
566阅读
k-Means的优缺点1.1 k-Means的优点1.2 加速k-Means1.3 k-Means的缺点1.4 k-Means的性质1.5 和GMM的比较1.1 k-Means的优点计算复杂度低，为O(Nkq)，其中k为聚类的数量、q为迭代的次数，通常k和q小于N，此时的复杂度
原创
2021-11-30 11:06:34
1151阅读
