Stanford机器学习---第九讲. 聚类

最新推荐文章于 2025-09-30 23:27:56 发布
原创 最新推荐文章于 2025-09-30 23:27:56 发布 · 2.8w 阅读 · 58 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文主要介绍了无监督学习中的聚类方法，特别是KMeans算法。内容包括无监督学习的概念，KMeans的工作原理，成本函数，初始化类中心的方法，以及聚类数量的选择策略。通过实例解释了聚类过程，并提出了肘部法则来确定最佳聚类数量。

本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。内容大多来自Standford公开课machine learning中Andrew老师的讲解和其他书籍的借鉴。（https://class.coursera.org/ml/class/index）


PS: 前一段时间因为去北京参加一个summer school就没有来得及写blog，让大家久等了……今天我们来讲讲Machine Learning中的聚类问题。:-)

第九讲. 聚类——Clustering


===============================

（一）、什么是无监督学习？

（二）、KMeans聚类算法

（三）、Cluster问题的(distortion)cost function

（四）、如何选择初始化时的类中心

（五）、聚类个数的选择




=====================================

最低0.47元/天 解锁文章
Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
Rachel Zhang的专栏
07-20 7万+
本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machine learning中A
超详细机器学习12种常用算法PPT
12-01
回归算法、逻辑回归、决策树与集成算法、聚类算法、贝叶斯算法、支持向量机、推荐系统、xgboost、LDA与PCA算法、EM算法、神经网络。。。。
Stanford ML - Clustering 聚类
YMHH的专栏
08-28 774
到无监督机器学习算法了 - 输入训练集没有
机器学习基础入门系列（一）--什么是机器学习？
最新发布
2302_79376097的博客
09-30 1204
机器学习就是让计算机能够“从数据中学习”，并利用所学知识做出预测或决策，而不需要人类写死所有的规则。👉 举个例子：如果让程序识别一张图片是不是猫，传统方法可能需要工程师写规则：有胡须、耳朵尖尖、四条腿……而机器学习方法则是：给计算机大量“猫”和“不是猫”的图片，让它自己去学习规律。如果一个程序在任务 T 上，随着经验 E 的积累，其在性能度量 P 上的表现不断提升，那么我们称这个程序具有从经验中学习的能力。任务 T：模型要做的事情（比如预测房价、识别图片）。经验 E。
温州大学《机器学习》课程课件（十、聚类）
fengdu78的博客
06-19 1344
温州大学《机器学习》课程，主讲：黄海广下载地址：https://github.com/fengdu78/WZU-machine-learning-course包含pdf课件、代码等。本章讲...
机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf
06-27
机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf机器学习入门与实战(scikit-learn和Keras)课件—聚类.pdf
机器学习 | 聚类Clustering 算法
"You are worthy! You can do it!"
12-20 1874
物以类聚人以群分。什么是聚类呢？
Stanford机器学习：K-means聚类算法详解
"Stanford机器学习课程讲解聚类算法，特别是K-means聚类算法，以及非监督学习的基本概念。" 在机器学习领域，聚类算法是一种重要的非监督学习技术，它主要用于发现数据集中的内在结构和模式，而无需预先知道数据的...
Stanford机器学习---第六讲 怎样选择机器学习方法 系统
gfjjggg的博客
02-13 288
Stanford机器学习---第六讲 怎样选择机器学习方法 系统
斯坦福大学-机器学习吴恩达_Stanford University - Machine Learning by Andr
09-03
课程的结构安排合理，从基础概念讲起，逐步深入到复杂的机器学习技术和策略，包括但不限于线性回归、神经网络、支持向量机、聚类分析、降维技术等。每一部分都配有相应的实验环节和案例分析，为学习者提供了大量的...
K-means算法
Allen的博客
08-12 721
聚类属于无监督学习，以往的回归、朴素贝叶斯、SVM等都是有类别标签y的，也就是说样例中已经给出了样例的分类。而聚类的样本中却没有给定y，只有特征x，比如假设宇宙中的星星可以表示成三维空间中的点集。聚类的目的是找到每个样本x潜在的类别y，并将同类别y的样本x放在一起。比如上面的星星，聚类后结果是一个个星团，星团里面的点相互距离比较近，星团间的星星距离就比较远了。      在聚类问题中，给我们
机器学习笔记之聚类 (Machine Learning -Clustering)
TechLearningBlog of Mr.Lawrence
05-09 859
Machine Learning - Clustering 写在前面：因为英语对于相应的专业名词阐述的更加准确，所以使用英语整理，在特殊的关键性名词后我会添加注释，但通篇将以英语作为主语言。 Concept Clustering is a process to find similarity groups in data, called clusters Group data instance...
【机器学习】聚类算法
weixin_44413191的博客
09-07 601
本文为机器学习的学习总结，讲解聚类算法。
k-means聚类算法原理简析
热门推荐
Dhane的博客
01-26 8万+
k-means聚类算法原理简介概要算法思想算法流程图解代码实现 概要 K-means算法是最普及的聚类算法，也是一个比较简单的聚类算法，所以刚接触的同学不要感到害怕。算法接受一个未标记的数据集，然后将数据聚类成不同的组，同时，k-means算法也是一种无监督学习。 算法思想 k-means算法的思想比较简单，假设我们要把数据分成K个类，大概可以分为以下几个步骤： 随机选取k个点，作为聚类中心； ...
【Machine Learning】13 聚类（Clustering）
weixin_38716567的博客
02-02 368
13.1 Unsupervised Learning_ Introduction        有监督学习和无监督学习的区别，训练集给定标签和未给定标签。   13.2 K-Means Algorithm      输入为要分的K类和训练集； 在算法中，随机取K个点作为聚类中心，第一步数据点离哪个聚类中心近就分为哪类，第二步将聚类中心移动至第一步中分类的平均值点。重复以上步骤，直到聚...
Machine Learning - XIII. Clustering聚类 (Week 8)
皮皮blog
03-27 3636
机器学习Machine Learning - Andrew NG courses学习笔记 Unsupervised Learning_ Introduction非监督学习介绍 K-Means Algorithm K-均值算法 Optimization Objective Random Initialization Choosing the Numb
机器学习人群扩散（LPA算法）
骆驼分析师的博客
02-03 1万+
1、       业务场景说明： 2、       从业务映射到机器学习： 3、       友商应用资料： 4、       LPA方法原理：[1][3] 5、       特征过滤的解决方案：[4] 6、       R语言试验 7、       总结（仅个人观点，欢迎指出错误）： 附录： 一、常见的半监督学习大类：[2] 二、参考文献： 三、代码 1、 业务场景说明
四类clustering方法比较
林学森的技术专栏
11-19 7531
<br />摘  要: 介绍了较为常见的k-means、层次聚类、SOM、FCM等四种聚类算法，阐述了各自的原理和使用步骤，利用国际通用测试数据集IRIS对这些算法进行了验证和比较。结果显示对该测试类型数据，FCM和k-means都具有较高的准确度，层次聚类准确度最差，而SOM则耗时最长。<br />关键词: 聚类算法；k-means；层次聚类；SOM；FCM<br />    聚类分析是一种重要的人类行为，早在孩提时代，一个人就通过不断改进下意识中的聚类模式来学会如何区分猫狗、动物植物。目前在许多领域都得
各类聚类（clustering）算法初探
weixin_34168880的博客
01-20 5855
1. 聚类简介 0x1：聚类是什么？ 聚类是一种运用广泛的探索性数据分析技术，人们对数据产生的第一直觉往往是通过对数据进行有意义的分组。很自然，首先要弄清楚聚类是什么？ 直观上讲，聚类是将对象进行分组的一项任务，使相似的对象归为一类，不相似的对象归为不同类 但是，要达到这个目的存在几个很困难的问题 1. 上述提及的两个目标在很多情况下是互相冲突的。从数学上讲，虽然聚类共享具有...
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值