- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 K-Means++算法
k-means算法是一种基本的聚类算法，这个算法的先决条件是 1）必须选择最终结果需要聚为几类，就是k的大小。 2）初始化聚类中心点，也就是seeds。 当然，我们可以在输入的数据集中随机的选择k个点作为seeds，但是随机选择初始seeds可能会造成聚类的结果和数据的实际分布相差很大。既然选择初始的seeds这么重要，那有什么算法可以帮助选择初始的seeds吗？当然有，k-means++就是
2017-04-02 21:17:43
561
转载 K-means 之国足小例子
摘要分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足，尤其是在处理海量数据的时候，如果通过预处理使得数据满足分类算法的要求，则代价非常大，这时候可以考虑使用聚类算法。聚类属于无监督学习，相比于分类，聚类不依赖预定义的类和类标号的训练实例。本文首先介绍聚类的基础——距离与相异度，然后介绍一种常见的聚类算法——k均值和
2017-04-02 19:42:13
6209
6
转载 深入浅出K-Means算法
在数据挖掘中，K-Means算法是一种cluster analysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法.问题K-Means算法主要解决的问题如下图所示。我们可以看到，在图的左边有一些点，我们用肉眼可以看出来有四个点群，但是我们怎么通过计算机程序找出这几个点群来呢？于是就出现了我们的K-Means算法算法概要这个算法其实很简单，如下图所示：从上图中，我们可以
2017-04-02 18:06:54
456
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人