- 博客(3)
- 资源 (11)
- 收藏
- 关注
原创 机器学习小组知识点36:FCM聚类
Reference: https://home.deib.polimi.it/matteucc/Clustering/tutorial_html/cmeans.html
2017-03-27 20:24:33 922
原创 机器学习小组知识点35:二分K-means聚类
常规的KMeans算法的误差通常只能收敛到局部最小,在此,引入一种称为二分K-Means(bisecting kmeans)的算法,相较于常规的KMeans,二分KMeans不急于一来就随机KK个聚类中心,而是首先把所有点归为一个簇,然后将该簇一分为二。计算各个所得簇的代价函数(即均方误差),选择误差最大的簇再进行划分(即最大程度地减少误差),重复该过程直至达到期望的簇数目。二分K-means算法的
2017-03-10 17:13:24 976
原创 机器学习小组知识点34:K-means聚类
监督学习和非监督学习前情回顾:在聚类问题中,给定一个训练集,算法根据某种策略将训练集分成若干类。在监督式学习中,训练集中每一个数据都有一个标签,但是在如果分类问题中没有标签,我们可以将聚类算法称之为非监督式学习算法。这两种算法最大的区别还在于:监督式学习有标签,而非监督式学习没有标签。那么这里可以理解为标签实际上就是一种监督性质的分类,而无标签根据分布性质,那么我们称之为聚类。感兴趣同学可以查阅半监
2017-03-10 16:30:36 760
Inverse and determinant of partitioned symmetric matrix
2018-03-30
机器学习小组知识点18:伽马分布(Gamma Distribution)
2016-11-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人