西瓜书解读 第九章 聚类

最新推荐文章于 2023-07-23 15:27:35 发布
最新推荐文章于 2023-07-23 15:27:35 发布
阅读量397 收藏 2
点赞数
分类专栏： 机器学习-周志华（读书笔记）
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。
本文链接：https://blog.csdn.net/Avery123123/article/details/106478967
版权

西瓜书解读 第九章 聚类

西瓜书解读 第九章 聚类

聚类任务

在这里插入图片描述

性能度量

在这里插入图片描述

外部度量指标

公式

在这里插入图片描述
在这里插入图片描述

指标

在这里插入图片描述

内部度量指标

公式

在这里插入图片描述

指标

在这里插入图片描述

距离计算

相似性度量

距离度量满足的性质

在这里插入图片描述

非距离度量

在这里插入图片描述

距离度量

有序
闵可夫斯基距离

在这里插入图片描述

P=1 曼哈顿距离

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

P=2欧氏距离

在这里插入图片描述

P=无穷 切比雪夫距离

在这里插入图片描述

无序

在这里插入图片描述

混合

在这里插入图片描述

加权

在这里插入图片描述

原型聚类

k均值算法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

公式

在这里插入图片描述

数据集

在这里插入图片描述

算法流程

在这里插入图片描述

效果

在这里插入图片描述

学习向量量化

在这里插入图片描述

高斯混合聚类

高斯混合聚类详解
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

密度聚类（以DBSCAN为例）

概念

在这里插入图片描述
在这里插入图片描述

算法

在这里插入图片描述
在这里插入图片描述

层次聚类

AGNES

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Avery123123
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
西瓜书 习题6.2 用线性核、高斯核训练SVM
世靖的码场
01-22 7521
SVM手动实现底层代码有些麻烦，这里借助sklearn实现了一下，数据以及代码地址： https://github.com/qdbszsj/SVM import pandas as pd import numpy as np dataset = pd.read_csv('/home/parker/watermelonData/watermelon3_0a.csv', delimiter=",
【西瓜书笔记】10. 高斯混合模型
weixin_39236489的博客
03-21 393
定义 定义： P(x)=∑i=1kαi⋅ϕ(x∣μi,Σi) P(\boldsymbol{x})=\sum_{i=1}^{k} \alpha_{i} \cdot \phi\left(\boldsymbol{x} \mid \boldsymbol{\mu}_{i}, \boldsymbol{\Sigma}_{i}\right) P(x)=i=1∑k​αi​⋅ϕ(x∣μi​,Σi​) 该模型共由k个混合成分组成，每个混合成分对应一个高斯分布，其中， x∈Rn\boldsymbol{x} \in \mathbb{
西瓜书第六章
xyq1900904251的博客
07-28 156
西瓜书第六章知识总结
5--高斯混合聚类、学习向量量化算法 降维与度量学习
garbage回收中心
08-06 865
部分聚类算法
西瓜书笔记9: 聚类
越开源越幸运
08-15 970
9.1 聚类任务 9.2 性能度量 外部指标 内部指标 9.3 距离计算 有序属性的距离 无序属性的距离 属性距离变形 9.4 原型聚类 k均值算法 学习向量量化(LVQ) 高斯混合聚类 E步 M步 9.5 密度聚类 9.6 层次聚类
西瓜书学习笔记——第九章：聚类
Andrewings
07-04 3339
9. 聚类9.1 聚类任务9.2 性能度量外部指标：定义外部指标内部指标定义簇内样本平均距离avg( C)簇内样本间最远距离diam( C )簇间最近样本距离$d_{min}(C)$簇中心间距$d_{cen}(C_i,C_j)$内部指标9.3 距离计算闵可夫斯基距离(Minkowski distance)曼哈顿距离(街区距离)欧氏距离切比雪夫距离根据属性的性质选择采用的距离有序属性无序属性混合属性...
西瓜书课后题——第九章（聚类）
qq_37691909的博客
05-02 3628
本章因为课后题大部分都是证明和解答题，所以不再详细叙述，只是针对 9.4 题给出相关算法的实现。 关于证明和简答题可以参考这篇博客：https://blog.csdn.net/icefire_tyh/article/details/52224676 9.4 k均值聚类实现，并在不同k值和初始向量情况下进行比较。 算法完全按照图 9.2 给出的过程进行，数据集采用西瓜数据集4.0. 相关...
西瓜书学习笔记-原型聚类（公式推导+举例应用）
01-27
西瓜书学习笔记-原型聚类（公式推导+举例应用）
第9章 聚类分析.zip
05-26
在"第9章 聚类分析"中，我们可以预见到会涵盖以下几个核心知识点： 1. **聚类的基本概念**：聚类的目标是将相似的数据对象分组到同一类，而将不同类的对象分隔开来。这涉及到相似性度量，如欧氏距离、曼哈顿距离、...
第9章 聚类分析_matalb_MATLAB聚类_聚类matlab_聚类分析_
09-29
在数据分析和机器学习领域，聚类分析是一种常用的技术，它旨在根据数据的相似性或差异性将数据点分组到不同的类别中。本章节主要聚焦于利用MATLAB进行聚类分析，这是一种强大的编程环境，特别适合数值计算和数据处理...
第九章 聚类分析和判别分析 讲过.pdf
10-11
第九章的焦点是聚类分析和判别分析，这两种方法在处理分类问题时扮演着重要角色。聚类分析主要用于无监督学习场景，当类别未知时，通过对数据集中的对象进行分组来寻找自然的群体结构。它涵盖了多种方法，如系统聚类...
第九章 聚类分析和判别分析 讲过.docx
10-11
第九章的讨论聚焦于两种数据分析方法：聚类分析和判别分析。这两种方法在处理分类问题时具有重要的应用，尤其在互联网行业中，数据的分类和理解对于产品优化、用户画像构建以及市场策略制定等至关重要。 聚类分析是...
【机器学习】使用scikitLearn对数据进行聚类：高斯聚类GaussianMixture
种一棵树最好的时间是十年前，其次是现在
10-04 2943
生成每个实例时，根据一组权重参数，先选取该实例所属集群的标签，根据标签从k个高斯分布中选取该集群对应的分布，然后再利用高斯分布采样出该实例，就完成了一个新实例点的生成。其中AIC不受实例的数目影响，BIC较AIC对精度的考虑低，对参数量的考虑多，能找出更精简的模型（实例m相当于对参数数量进行了加权）。BIC及AIC的值越小，代表模型越好，可见实例及参数越多，似然函数值越低，代表拟合精度越差，同时算法所用实例及参数越多。p为模型可学习参数量，m为实例数目，L为模型的似然函数最大值。
西瓜书-机器学习复习＜HENU＞
记录读博日常，记录一些零碎的东西，包括但不限于：工具分享、论文分享、读博心得
01-04 6750
Chapter1 绪论 ！基本术语： 监督学习 非监督学习 根据训练数据是否有标记，学习任务可以大致分为监督学习和非监督学习。分类和回归是前者，聚类是后者。 何为监督学习、非监督学习？：以西瓜集为例，好瓜坏瓜就是训练集中每一个样本的标记。训练算法过程中通过这个标记不断矫正算法的准确性，这就是监督学习（前面8章学的算法都是监督学习）。反之，训练过程中没有标记的就是非监督学习，比如聚类（就是最后学的k-分类）。 第一章主要是了解一下机器学习大致的东西，了解即可。 学习的种类很多，我们学习监督学习和非监督学习，而
西瓜书第九章习题及答案
qq_43761012的博客
08-15 1604
西瓜书第九章习题9.4
西瓜书《机器学习》课后答案——chapter9
CodeTutor
10-24 9216
9.1 证明：p≥1p\geq 1时，闵可夫斯基距离满足距离度量的四条基本性质。0≤p<10\leq p < 1时，闵可夫斯基距离只满足非负性、规范性和对称性，不满足三角不等式。当p趋向于无穷大时，闵可夫斯基距离等于对应分量的最大绝对距离，也称为切比雪夫距离： limp→+∞(∑u=1n|xiu−xju|p)1p=maxu|xiu−xju|.\lim_{p\rightarrow +\infty}\
机器学习入门学习笔记（六）聚类
chengdong996的博客
07-30 2218
1、聚类任务 在“无监督学习”(unsupervised learning)中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，其中研究最多、应用最广的是“聚类”(clustering)。 聚类的目标：是将样本集 D 划分为若干互不相交的子集，即样本“簇”(cluster)。 每个簇可能对应于一些潜在的概念(类别)，这些概念对聚类算法而言事先是未知的，聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名。 聚类既能作为一个单独过程，用于找寻数据内在的分
周志华西瓜书《机器学习》习题提示——第9章
qiy_icbc的博客
07-23 779
周志华西瓜书《机器学习》习题提示——第9章
Python 操作 MySQL 数据库.pdf
最新发布
08-13
Python 操作 MySQL 数据库.pdf
机器学习西瓜书第九章聚类------k均值算法
10-26
k均值算法是一种常用的聚类算法，它的主要思想是将数据集划分为k个簇，每个簇的中心采用簇中所含值的均值计算而成。该算法的步骤如下： 1. 随机选择k个点作为初始的簇中心。 2. 对于每个数据点，计算其与k个簇中心的...
评论
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