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
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
作为无监督学习的一个重要方法，聚类的思想就是把属性相似的样本归到一类。对于每一个数据点，我们可以把它归到一个特定的类，同时每个类之间的所有数据点在某种程度上有着共性，比如空间位置接近等特性。多用于数据挖掘、数据分析等一些领域。 下面简
转载
2024-04-06 13:38:48
21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
# 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
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
基于层次的聚类算法（Hierarchical Clustering）当不知道应该分为几类时，使用层次聚类比较适合。层次聚类会构建一个多层嵌套的分类，类似一个树状结构。可以选择一个聚类数量，根据需求对树状图中画一条水平线,得到对应的聚类。但层次聚类法容易受到噪声和数据维度过高的影响。自底向上的聚类从点作为个体簇开始，迭代时每一步合并两个最接近的簇，直到所有样本合并为一簇。算法步骤：每个样本点自成一类
转载
2023-12-25 06:26:56
67阅读
上篇k-means算法却是一种方便好用的聚类算法，但是始终有K值选择和初始聚类中心点选择的问题，而这些问题也会影响聚类的效果。为了避免这些问题，我们可以选择另外一种比较实用的聚类算法-层次聚类算法。顾名思义，层次聚类就是一层一层的进行聚类，可以由上向下把大的类别（cluster）分割，叫作分裂法；也可以由下向上对小的类别进行聚合，叫作凝聚法；但是一般用的比较多
转载
2023-12-01 19:11:52
51阅读
引言在之前的一篇文章中，我介绍了基于聚类的图像分割，在这一篇文章中，我会介绍另一种图像分割的方法–基于图的图像分割。具体用到的方法是谱聚类。OK, 我们先来简单了解一下谱聚类。谱聚类（spectral clustering)首先我们需要明确一点，谱聚类虽然是一种聚类的模型，但是事实上，它的设计初衷确是解决一个关于切割图的问题，因此它的算法也是从图论中演化而来的。具体来说，它的主要思想就是将所有的数
转载
2024-01-25 18:51:23
150阅读
聚类是机器学习中一种重要的 无监督算法，它可以将数据点归结为一系列特定的组合。理论上归为一类的数据点具有相同的特性，而不同类别的数据点则具有各不相同的属性。在数据科学中聚类会从数据中发掘出很多分析和理解的视角，让我们更深入的把握数据资源的价值、并据此指导生产生活。基于不同的学习策略，聚类算法可分为多种类型：K均值算法(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
转载
2023-08-25 16:31:47
151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
聚类和分类算法的区别学习方式不同聚类是一种非监督式学习算法，而分类是监督式学习算法。对源数据集要求不同，有无目标值应用场景不同聚类一般应用于数据探索性分析、数据降维、数据压缩等探索性、过程性分析和处理分类更多地用于预测性分析和使用。解读结果不同。聚类算法的结果是将不同的数据集按照各自的典型特征分成不同类别，不同人对聚类的结果解读可能不同；而分类的结果却是一个固定值（例如高、中、低、是、否等），不存
转载
2024-08-09 11:14:10
16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
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
