本例中，使用用户注册时间（注册天数reg_length）、活跃（最近活跃间隔天数rec_act_length、近7日活跃天数act_days）和变现（近7日日均广告点击量ad_pd、近7日日均阅读量read_pd）三个维度进行聚类。库导入在这里用到了os用来处理路径，numpy、pandas都是数据分析处理的常用库，matplotlib作简单的图形看指标分布，重头戏就是sklearn啦，用来完成我
转载
2024-03-04 01:25:34
29阅读
python实现k-means聚类算法不调包这里是为了记录机器学习作业写的代码，只要放入二维数据即可运行代码基本思想 举个例子： 1.假如有5个点要实现聚类：a,b,c,d,e 2.我们要选定聚几类（假设是聚两类）k=2 3.那么我们就随机选定5个点的2个点作为簇心 4.然后将每个点和簇心的欧式距离比较一遍，谁离哪个点进谁就属于哪一类 比如：（b点到A簇心的距离小于到B簇心的距离，则b属于A类）
转载
2023-10-20 23:37:39
39阅读
## Python聚类包介绍及示例代码
### 引言
在机器学习和数据挖掘任务中，聚类是一种常用的技术，用于将相似的数据点分组为多个簇(cluster)。Python作为一种流行的编程语言，提供了丰富的聚类包，可以帮助开发者轻松实现聚类算法。本文将介绍几个常用的Python聚类包，并提供相应的示例代码，帮助读者深入了解和使用这些包。
### Scikit-learn
Scikit-lear
原创
2023-08-28 07:57:26
173阅读
python 实现网格聚类算法聚类算法很多，包括基于划分的聚类算法(如：kmeans)，基于层次的聚类算法(如：BIRCH)，基于密度的聚类算法(如：DBScan)，基于网格的聚类算法等等。基于划分和层次聚类方法都无法发现非凸面形状的簇，真正能有效发现任意形状簇的算法是基于密度的算法，但基于密度的算法一般时间复杂度较高，1996年到2000年间，研究数据挖掘的学者们提出了大量基于网格的聚类算法，网
转载
2023-08-23 18:04:35
99阅读
kmeans聚类相信大家都已经很熟悉了。在Python里我们用kmeans通常调用Sklearn包（当然自己写也很简单）。那么在Spark里能不能也直接使用sklean包呢？目前来说直接使用有点困难，不过我看到spark-packages里已经有了，但还没有发布。不过没关系，PySpark里有ml包，除了ml包，还可以使用MLlib，这个在后期会写，也很方便。 1 fro
转载
2023-11-29 22:32:48
57阅读
聚类算法相关：聚类算法（一）——DBSCAN聚类算法（二）—— 优缺点对比聚类算法（三）—— 评测方法1聚类算法（三）—— 评测方法2聚类算法（三）—— 评测方法3(代码）聚类算法（四）—— 基于词语相似度的聚类算法（含代码）聚类算法（五）——层次聚类 linkage （含代码）聚类算法（六）——谱聚类 （含代码） 写了那么多聚类文章，没写Kmeans感觉不太厚道， 
转载
2024-01-17 10:06:41
96阅读
时间序列数据（Time Series Data）是按时间排序的数据，利率、汇率和股价等都是时间序列数据。时间序列数据的时间间隔可以是分和秒（如高频金融数据），也可以是日、周、月、季度、年以及甚至更大的时间单位。数据分析解决方案提供商 New Relic 在其博客上介绍了为时间序列数据优化 K-均值聚类速度的方法。机器之心对本文进行了编译介绍。
在 New Relic，我们每分钟都会收集
聚类算法实现与分析机器学习的常用方法，主要分为有监督学习和无监督学习。监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数据进行分类的能力。监督学习里典型的例子就是KNN、SVM。无
文章目录层次聚类聚合式聚类簇间距离的计算单链接(single-linkage)全链接(complete-linkage)平均链接(average-linkage)三种距离方式的比较分拆式聚类层次聚类算法总结 层次聚类层次聚类（hierarchical clustering）试图在不同层次对数据集进行划分，从而形成树形的聚类结构，数据集的划分可采用“自底向上（合并）”的聚合策略，也可采用“自顶向下
转载
2023-12-06 20:35:30
119阅读
本文完成程序及测试数据集详细见：https://github.com/HanXia001/k-means-python3-本文主要内容： 1.k-means解决的问题； 2.k-m
转载
2024-08-14 11:39:26
13阅读
k-shape: Efficient and Accurate Clustering of Time Series01 研究背景意义时间序列：数据序列包含关于时间的显式信息(例如股票、音频、语音和视频)，或者如果可以推断值的顺序(例如流和手写)几乎每个学科都出现了大量的时间序列，包括天文学、生物学、气象学、医学、工程等，时间序列的普遍存在使得人们对此类数据的查询、索引、分类和聚类产生了浓厚的兴趣。
转载
2023-12-19 19:27:43
12阅读
# Python 层次聚类（不导包）实现指南
层次聚类是一种常用的聚类分析方法，能够将数据按照相似性划分为不同的层次。在本篇文章中，我们将学习如何使用 Python 实现层次聚类算法，并且不使用任何外部库。
## 实现步骤概览
在实现过程中，我们将遵循以下步骤。下面是每一步的简要说明和代码实现的流程表。
| 步骤 | 描述 |
|------|------|
| 1 | 准备数据 |
原创
2024-08-16 07:55:22
68阅读
# Python 有序样本聚类的实用指南
## 1. 概述
有序样本聚类是一种将相似的数据点聚集在一起的技术，通常用于数据分析和机器学习。通过正确的技术手段，我们能够从噪声中提取有用的信息。本篇文章将带领你通过使用 Python 中的一些流行库，完成有序样本聚类的实现。
## 2. 流程概述
首先，我们需要明确实现有序样本聚类的步骤。以下是一个简单的流程表格：
| 步骤 | 描述
划分聚类Kmeans原理(1)任意选择k个对象作为初始的簇中心；(2)根据距离（欧式距离）中心最近原则，将其他对象分配到相应类中；(3) 更新簇的质心，即重新计算每个簇中对象的平均值；(4) 重新分配所有对象，直到质心不再发生变化 调包实现import time
import pandas as pd
from sklearn import preprocessing
da
转载
2023-07-28 13:11:42
219阅读
菜鸟一枚，编程初学者，最近想使用Python3实现几个简单的机器学习分析方法，记录一下自己的学习过程。关于KMeans算法本身就不做介绍了，下面记录一下自己遇到的问题。一 、关于初始聚类中心的选取 初始聚类中心的选择一般有：（1）随机选取（2）随机选取样本中一个点作为中心点，在通过这个点选取距离其较大的点作为第二个中心点，以此类推。（3）使用层次聚类等算法更新出初
转载
2023-07-20 14:40:48
152阅读
尽管基于划分的聚类算法能够实现把数据集划分成指定数量的簇，但是在某些情况下，需要把数据集划分成不同层上的簇：比如，作为一家公司的人力资源部经理，你可以把所有的雇员组织成较大的簇，如主管、经理和职员；然后你可以进一步划分为较小的簇，例如，职员簇可以进一步划分为子簇：高级职员，一般职员和实习人员。所有的这些簇形成了层次结构，可以很容易地对各层次上的数据进行汇总或者特征化。另外，使用基于划分的聚类算法(
转载
2024-06-28 07:38:10
98阅读
一、python代码'''
Author: Vici__
date: 2020/5/14
'''
import math
'''
Point类，记录坐标x，y和点的名字id
'''
class Point:
'''
初始化函数
'''
def __init__(self, x, y, name):
self.x = x # 横坐标
转载
2023-08-20 10:00:57
60阅读
下面是几个城市的GDP等信息，根据这些信息，写一个SOM网络，使之对下面城市进行聚类。并且，将结果画在一个二维平面上。 //表1中，X。为人均GDP(元)；X2为工业总产值(亿元)；X。为社会消费品零售总额(亿元)；x。为批发零售贸易总额(亿元)；x。为地区货运总量(万吨)，表1中数据来自2002年城市统计年鉴。//城市 X1 X2 X3 Xa X5 北京 27527 2738.30 1
转载
2023-06-20 14:47:21
122阅读
准备说明：Python代码运行，需要有数据集，文章最后有csv格式的数据集，请自行下载。理论知识讲解：模糊理论模糊控制是自动化控制领域的一项经典方法。其原理则是模糊数学、模糊逻辑。1965，L. A. Zadeh发表模糊集合“Fuzzy Sets”的论文， 首次引入隶属度函数的概念，打破了经典数学“非0即 1”的局限性，用[0,1]之间的实数来描述中间状态。很多经典的集合（即：论域U内的某个元素是
转载
2024-08-13 17:42:44
39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
