1 # -*- coding: utf-8 -*-
2 """
3 Created on Wed Jan 10 19:18:56 2018
4
5 @author: markli
6 """
7 import numpy as np;
8 '''
9 kmeans 算法实现
10 算法原理
11 1、随机选择k个点作为聚类中心点，进行聚类
12 2、求出聚类后的各类的 中心点
1
转载
2023-06-21 21:57:49
93阅读
K-means(K均值)聚类算法步骤： (1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。 (2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。 (3) 计算每一类中中心点作为新的中心点。 (4) 重复以上步骤，直到每一类中心在每次迭代后变化不大为止。也可以多次随机初始化中
转载
2024-03-30 19:40:35
88阅读
# 使用层次聚类方法处理Iris数据集的指南
在这篇文章中，我们将学习如何使用Python进行层次聚类，以处理著名的Iris数据集。Iris数据集包含有关三种不同类型的鸢尾花的信息，包括其花萼和花瓣的长度和宽度。通过层次聚类，我们能够将这些数据分组，从而观察数据中的潜在结构。
## 流程概览
在开始之前，先了解一下处理Iris数据集的主要步骤。以下是一个简化的流程表：
| 步骤
聚类性能评估一、综述二、Rand index(兰德指数)(RI) 、Adjusted Rand index(调整兰德指数)(ARI)三、Silhouette Coefficient(轮廓系数)(s(i))四、建模实例参考文献： 一、综述聚类性能度量亦称聚类“有效性指标”(validity index)。与监督学习中的性能度量作用类似，对聚类结果，我们需要通过某种性能度量来评估其好坏；另一方面，若
转载
2023-06-11 13:03:01
164阅读
引言聚类分析是一种常用的无监督学习技术，旨在将数据集中的样本分成具有相似特征的组。K均值聚类是其中一种常见的方法，它通过将数据点划分为K个簇，并使每个数据点与其所属簇的中心点距离最小化来实现聚类。本文将介绍如何使用R语言执行K均值聚类，并以鸢尾花（Iris）数据集为例进行说明。数据集介绍鸢尾花数据集是一个经典的多变量数据集，由英国统计学家罗纳德·费舍尔于1936年收集。该数据集包含了150个样本，
转载
2024-07-29 22:55:36
104阅读
先上结果1：聚类原理聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。它是一种重要的人类行为。分解聚类的基本思想是首先将所有的样本归成一类，然后依据相似性原理将其进行分解，分解的效果好坏我们通过一个评价函数对其进行评价： 、 其中N是总样本数，N1是第一类的样本数，N2是第二类的样本数，括号里的是均值。我们可以从这个评价函数里很明显的看出，这里采用了欧几里得距离来衡量样本之
转载
2024-04-30 16:48:58
142阅读
在对数据集进行聚类分析时，选择最优的类簇个数是至关重要的问题。例如，使用K-means算法聚类时，用户需要指定聚类生成类簇的个数k。我们可以将常用的聚类算法(如K-means，K-medoids/PAM和层次聚类等)分为两类进行讨论。 (1)直接检验：通过优化某个指标，例如簇内平方和或平均轮廓系数之和。相应的方法分别称为手肘法(El
模糊模糊就是不确定。若把20岁作为确定是否年轻的标准，则21岁是不年轻。生活当中，21也很年轻，可以使用模糊的概念的来理解，即0.8属于年轻，0.2属于不年轻。这里0.8和0.2不是概率，而指的是相似的程度，把这种一个样本属于结果的这种相似的程度称为样本的隶属度，一般用u表示，表示一个样本相似于不同结果的一个程度指标。算法FCM算法，即模糊C均值（Fuzzy C-means）算法，是一种基于目标函
转载
2024-08-29 22:02:19
56阅读
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
一 什么是基于密度的聚类算法 由于层次聚类算法和划分式 聚类算往往只能发现凸形的聚类簇。为了弥补这一缺陷，发现各种任意形状的聚类簇，开发出基于密度的聚类算法。这类算法认为，在整个样本空间点中，各目标类 簇是由一群的稠密样本点组成的，而这些稠密样本点被低密度区域（噪声）分割，而算法的目的就是要过滤低密度区域，发现稠密样本点。 二 DBSCAN （ Density-based
转载
2023-12-17 13:38:01
32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
目录一、聚类分析1、聚类2、Scipy中的聚类算法（K-Means）3、聚类示例 完整代码：运行结果：函数使用：二、图像色彩聚类操作步骤：完整代码：运行结果：三、合并至Flask软件部分代码：运行结果：一、聚类分析1、聚类聚类是把相似数据并成一组（group）的方法。不需要类别标注，直接从数据中学习模式。2、Scipy中的聚类算法（K-Means） 随机选取K个数据点作为“种
转载
2023-08-09 07:28:55
352阅读
文章目录前言Scipy库简单入门1.cluster模块2. constants模块3. fftpack模块4. integrate 模块5. interpolate 模块6. linalg模块7. ndimage模块8. optimize模块9. stats模块10. ord模块总结 前言scipy是一个python开源的数学计算库，可以应用于数学、科学以及工程领域，它是基于numpy的科学计算
转载
2023-10-24 10:18:33
81阅读
k-means 聚类接下来是进入聚类算法的的学习，聚类算法属于无监督学习，与分类算法这种有监督学习不同的是，聚类算法事先并不需要知道数据的类别标签，而只是根据数据特征去学习，找到相似数据的特征，然后把已知的数据集划分成几个不同的类别。比如说我们有一堆树叶，对于分类问题来说，我们已经知道了过去的每一片树叶的类别。比如这个是枫树叶，那个是橡树叶，经过学习之后拿来一片新的叶子，你看了一眼，然后说这是枫树
转载
2023-08-20 23:25:47
175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
一、python代码'''
Author: Vici__
date: 2020/5/13
'''
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, id):
self.x = x # 横坐标
转载
2023-07-18 13:43:45
90阅读
阅读前提：了解K-means算法了解Python基本语句知道什么是txt文件code需要当前目录下添加一个city.txt文件。#coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
#从磁盘读取城市经纬度数据
X = []
f = open('cit
转载
2023-08-30 15:09:29
100阅读
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，这个类间的距离计算方法常用的有三种：1.单连接聚类(Single-linkage cl
转载
2023-08-18 22:27:43
163阅读
本文简要介绍了多种无监督学习算法的 Python 实现，包括 K 均值聚类、层次聚类、t-SNE 聚类、DBSCAN 聚类。无监督学习是一类用于在数据中寻找模式的机器学习技术。无监督学习算法使用的输入数据都是没有标注过的，这意味着数据只给出了输入变量（自变量 X）而没有给出相应的输出变量（因变量）。在无监督学习中，算法本身将发掘数据中有趣的结构。人工智能研究的领军人物 Yan Lecun，解释道：
转载
2023-08-23 16:16:50
124阅读
