DAo_1990的博客

K-Means++聚类算法一、k-Means++　 K-Means++ 算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 K-Means++算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。

k-means离群点检测改写一种简单的半监督方法，用于离群点检测。使用一种你熟悉的程序设计语言，如C++或Java，实现该方法，并在两种不同的数据集上进行讨论（1）只有一些被标记的正常对象；（2）只有一些被标记的离群点实例。一、数据集介绍1、Iris数据集介绍 iris以鸢尾花的特征作为数据来源，数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性，是在数据挖掘、数据分类中非常

最近阅读很多关于相似日预测方面的论文，均是通过构建日特征向量，然后计算其相似度，大多数是考虑因子和量化匹配系数不一样，心得如下：1、日特征向量=[ 最高温度 最低温度 日类型 ]相似度计算公式：欧几里得公式 2、日特征向量=[ 气象因子 日分类 星期类型 日天气类型 ]相似度计算公式：夹角余弦公式3、日特征向量=[ 人体舒适度指数 日期差距 星期类型 日天气类型 ]相似度计算公式：夹角余弦公式