A Tutorial on Clustering Algorithms-聚类小知识

最新推荐文章于 2019-02-16 23:13:35 发布
最新推荐文章于 2019-02-16 23:13:35 发布
阅读量2.9k 收藏 4
点赞数
分类专栏： 机器学习 数据挖掘 文章标签： 工具 语言 2010
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/chl033/article/details/5600146
版权


俗话说：“物以类聚，人以群分”，在自然科学和社会科学中，存在着大量的分类问题。所谓类，通俗地说，就是指相似元素的集合。聚类分析又称群分析，它是研 究（样品或指标）分类问题的一种统计分析方法。聚类分析起源于分类学，在古老的分类学中，人们主要依靠经验和专业知识来实现分类，很少利用数学工具进行定 量的分类。随着人类科学技术的发展，对分类的要求越来越高，以致有时仅凭经验和专业知识难以确切地进行分类，于是人们逐渐地把数学工具引用到了分类学中， 形成了数值分类学，之后又将多元分析的技术引入到数值分类学形成了聚类分析。聚类分析内容非常丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类 法、图论聚类法、聚类预报法等。

今天发现了一些适合初级学习的小资料：A Tutorial on Clustering Algorithms

还有一个很全的工具包：open source clustering software，还发现了一个统计软件包，R语言的。

转：http://www.shamoxia.com/html/y2010/1621.html

cowboy_wz
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
聚类 导读 Clustering: An Introduction
GarfieldEr007的专栏
01-04 1615
Clustering: An Introduction What is Clustering? Clustering can be considered the most important unsupervised learning problem; so, as every other problem of this kind, it deals with finding a stru
A Tutorial on Clustering Algorithms - Clustering Algorithms【翻译】
背对星星和月亮
03-11 803
原文章 A Tutorial on Clustering Algorithms 的 Clustering Algorithms 翻译内容
A Tutorial on Clustering Algorithms
weixin_30872733的博客
05-24 281
Clustering: An Introduction What is Clustering?Clustering can be considered the most importantunsupervised learningproblem; so, as every other problem of this kind, it deals with finding as...
A Tutorial on Clustering Algorithms - K-means【翻译】
背对星星和月亮
03-12 779
原文章 A Tutorial on Clustering Algorithms 的 K-means 翻译内容
A Tutorial on Clustering Algorithms - Introduction【翻译】
背对星星和月亮
03-09 856
原文章 A Tutorial on Clustering Algorithms - Introduction 翻译内容
k-means clustering (K-均值聚类) 理论
既然选择了远方 便只顾风雨兼程 - 永强
02-16 937
k-means clustering (k-均值聚类) 理论
K-Means聚类 K-Means Clustering
GarfieldEr007的专栏
01-04 3268
K-Means Clustering The Algorithm K-means (MacQueen, 1967) is one of the simplest unsupervised learning algorithms that solve the well known clustering problem. The procedure follows a simple and
A Tutorial on MM Algorithms.pdf
08-14
经典的MM优化算法的通俗教程，英文原版，介绍了如何构造Majorization函数以及Minorization函数的常见方法，值得参考。
A Tutorial on Graph-Based SLAM
09-11
A Tutorial on Graph-Based SLAM 全英文，值得仔细研究
a-PyTorch-Tutorial-to-Image-Captioning:显示，参加和讲述| PyTorch教程以进行图像字幕
05-07
假定具备PyTorch，卷积和递归神经网络的基本知识。 如果您是PyTorch的新手，请先阅读PyTorch的和 。 问题，建议或更正可以作为问题发布。 我在Python 3.6使用PyTorch 0.4 。 2020年1月27日：添加了两个新教程的...
分类算法总结
热门推荐
bluenight专栏
01-17 12万+
目前看到的比较全面的分类算法,总结的还不错. 2.4.1 主要分类方法介绍解决分类问题的方法很多[40-42] ，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法，如Bagging和Boosting等。 （1）决策树 决策树是用于分类和预测的主要技术之一，决策树学习是以实例为基础的归纳
S型函数：Sigmoid 函数
bluenight专栏
11-22 4万+
Sigmoid函数，即f(x)=1/(1+e-x)。神经元的非线性作用函数。（-x是幂数） 人工神经网络的学习算法-BP算法 神经网络的学习是基于一组样本进行的，它包括输入和输出（这里用期望输出表示），输入和输出有多少个分量就有多少个输入和输出神经元与之对应。最初神经网络的权值（Weight）和阈值（Threshold）是任意给定的，学习就是逐渐调整权值和阈值使得网络的实际输出和期望输
流形学习（manifold learning）综述
bluenight专栏
12-30 4万+
假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约简或者数据可视化。它是从观测到的现象中去寻找事物的本质，找到产生数据的内在规律。流形学习方法是模式识别中的基本方法，分为线性流形学习算法和非线性流形学习算法，线性方法就是传统的方法如主成分分析（PCA）和线性判别分析（LDA），非线行流形学习算法包括等距映射（Isomap），拉普拉斯特征映射（LE）等 ================
Fuzzy c-means (FCM)聚类算法
bluenight专栏
01-02 4万+
算法原理 允许同一数据属于多个不同的类。该算法(developed by Dunn in 1973 and improved by Bezdek in 1981)经常用于模式识别，基于最小化
欧氏距离 vs 马氏距离
bluenight专栏
04-25 2万+
欧氏距离定义： 欧氏距离（ Euclidean distance）是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。 在二维和三维空间中的欧式距离的就是两点之间的距离，二维的公式是 d = sqrt((x1-x2)^+(y1-y2)^) 三维的公式是 d=sqrt(x1-x2)^+(y1-y2)^+(z1-z2)^) 推广到n维空间，欧式距离的公式是
Accuracy和Precision的区别
bluenight专栏
11-22 2万+
相信大家在阅读数据手册的时候都看到Accuracy和Precision这两个词，你能否准确的区别它们，这样能够让你更好的理解数据手册的定义。 Accuracy Accuracy is how close a measured value is to the actual (true) value. Precision Precision is how
Tutorial: Semantic Clustering on STL-10 with SCAN，这是什么意思
最新发布
06-01
这是一个教程（Tutorial）的标题，标题中提到了两个概念：Semantic Clustering和STL-10。其中，STL-10是一个图像分类数据集，包括10个类别的图像，每个类别有500张图像。这些图像的分辨率为96x96像素，包括训练集和...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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