- 博客(2)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 K-均值聚类算法的实现及其优缺点
K-均值聚类算法是一种常用的无监督学习算法，它将一组数据点分成K个类别。K-均值聚类算法的基本思想是：将数据点分成K个簇（cluster），每个簇中的数据点距离该簇的质心最近，并且所有数据点到各自所在簇的质心的距离之和最小。为了增强K-均值聚类算法的鲁棒性，可以使用改进的K-均值聚类算法，比如K-means++算法，它通过选择更合适的质心初始值来降低随机选择初始聚类中心的影响，从而得到更好的聚类结果。
2023-08-25 09:53:28
607
1
原创 TensorFlow 的基本概念和使用场景
TensorFlow的计算过程是在Graph中进行的。深度学习：TensorFlow是深度学习领域最受欢迎的框架之一，提供了各种常用的神经网络模型和优化算法，可以用于图像识别、自然语言处理、语音识别等各种领域。自然语言处理：TensorFlow提供了各种常用的自然语言处理模型，如词向量模型、循环神经网络等，可以用于文本分类、情感分析、机器翻译等任务。机器学习算法：TensorFlow提供了各种常用的机器学习算法，如神经网络、决策树、支持向量机等，可以用于各种分类、回归、聚类等任务。
2023-08-25 09:51:10
48
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人