聚类是什么？ 聚类或者聚类分析是无监督学习问题。通常被用作数据分析技术，用来发现大数据中的有趣模型。与监督学习（类似预测模型）不同，聚类算法只解释输入数据，并在特征空间中找到自然组或群集。 一句话概括：聚
转载
2024-09-08 10:46:52
41阅读
在这篇博文中，我们将探讨如何使用Python进行层次聚类，并具体展示如何利用`scipy`这一强大的库来选择类别及其实际操作。层次聚类是一种有效的无监督学习技术，常用于探索性数据分析。接下来，我们将详细讲解环境预检、部署架构、安装过程、依赖管理、配置调优和最佳实践等方面。
## 环境预检
在开始之前，首先需要对环境进行预检。我们需要确保所用硬件和软件环境与`scipy`兼容。以下是硬件配置的表
SOMSOM算法是一种无监督学习的神经网络算法。由输入层和竞争层（输出层）组成。SOM是一种聚类方法。算法步骤初始化竞争层；竞争层一行代表一个坐标点（x，y）。根据竞争层的尺寸初始化权重矩阵；权重矩阵一行代表竞争层中一个点的权重，一列代表样本的一个属性。对样本集进行归一化处理从样本集中选取一个样本作为输入的向量，然后计算该输入向量与权重矩阵中的哪个权重向量距离最小（使用欧氏距离）。距离最小的向量所
转载
2023-08-09 17:11:11
301阅读
概述K-means聚类算法也称k均值聚类算法，是集简单和经典于一身的基于距离的聚类算法。它采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。核心思想K-means聚类算法是一种迭代求解的聚类分析算法，其步骤是随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象
转载
2023-08-30 21:16:25
47阅读
## Python聚类后结果输出
### 引言
在数据分析和机器学习领域，聚类是一种常用的技术，它可以将数据点分成不同的组，每个组内的数据点具有相似的特征。聚类在许多领域中都有广泛的应用，如市场分析、图像处理、推荐系统等。Python是一种功能强大的编程语言，具有丰富的数据分析和机器学习库，如Scikit-learn、Pandas等，可以帮助我们进行聚类分析并输出聚类后的结果。
### 聚类
原创
2023-09-30 11:58:40
70阅读
## Python k-means聚类算法及其在sklearn中的应用
### 引言
随着数据量的不断增加，如何从海量的数据中挖掘出有用的信息成为了一项重要的任务。而聚类是一种常用的数据挖掘技术，它可以将数据划分成若干个类别，使得同一类别内的数据点之间相似度较高，而不同类别之间的相似度较低。k-means聚类算法是一种经典的聚类算法，它通过迭代的方式将数据点划分成k个簇，每个簇由一个质心来表示。
原创
2023-09-02 05:43:51
53阅读
简单地说，分类(Categorization or Classification)就是按照某种标准给对象贴标签(label)，再根据标签来区分归类。 简单地说，聚类是指事先没有“标签”而通过某 种成团分析找出事物之间存在聚集性原因的过 程。 区别是，分类是事先定义好类别 ，类别数不变 。分类器需要由人工标注的分类训练语料训练得到，属于有指导 学习范畴。聚类则没有事先预定的类别，类别数不确
原型聚类：聚类结构能通过一组原型刻画。KMEANS+GMM.
基于密度的聚类：DBSCAN.
层次聚类：在不同层次上对数据集进行分类。从N到1。
聚类： 相似的样本放在同一簇，不同的样本放在不同的簇中图像分割可以看做是色块的聚类。聚类原则以及相应的评价指标原则：簇内相似度 intra cluster similarity) 高，簇间相似度 inter c
# 使用Python和Scikit-Learn计算聚类精度
聚类是无监督学习的一种常见技术，广泛应用于数据挖掘、市场细分等领域。通过将相似的对象归为同一类，聚类可以帮助我们发现数据中的模式和结构。在本文中，我们将介绍如何使用Python的Scikit-Learn库来进行聚类，并计算聚类的精度。
## 1. 聚类分析概述
聚类分析是一种将数据集分组的技术，其中同一组内的数据点彼此相似，而不同组
优美的聚类算法 Science作者(Alex Rodriguez, Alessandro Laio)提出一种优美的聚类算法, 据实际论文可以识别各种形状的类簇, 并且其超参数很容易确定。 算法思想 该算法的假设是类簇的中心由一些局部密度比较低的点围绕, 并且这些点距离其他有高局部密度的点的距离都比较大。 
转载
2024-10-13 09:18:49
141阅读
今天用python实现了一下简单的聚类分析，顺便熟悉了numpy数组操作和绘图的一些技巧，在这里做个记录。from pylab import *
from sklearn.cluster import KMeans
## 利用numpy.append()函数实现matlab多维数组合并的效果，axis 参数值为 0 时是 y 轴方向合并，参数值为 1 时是 x 轴方向合并，分别对应matlab
转载
2024-08-14 11:46:53
82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
人工智能第十二章 聚类模型一、聚类问题概述聚类（cluster）与分类（class）问题不同，聚类是属于无监督学习模型，而分类属于有监督学习。聚类使用一些算法把样本分为N个群落，群落内部相似度较高，群落之间相似度较低。在机器学习中，通常采用“距离”来度量样本间的相似度，距离越小，相似度越高；距离越大，相似度越低.1. 相似度度量方式① 欧氏距离相似度使用欧氏距离来进行度量. 坐标轴上两点之间的欧式
转载
2023-11-23 16:43:57
94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
在工程应用中，用python手写代码来从头实现一个算法的可能性非常低，这样不仅耗时耗力，还不一定能够写出构架清晰，稳定性强的模型。更多情况下，是分析采集到的数据，根据数据特征选择适合的算法，在工具包中调用算法，调整算法的参数，获取需要的信息，从而实现算法效率和效果之间的平衡。而sklearn，正是这样一个可以帮助我们高效实现算法应用的工具包。Scikit learn 也简称 sklearn,
转载
2024-08-13 08:52:54
25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
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
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
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
