白面机器学习第7天

最新推荐文章于 2023-11-30 14:47:46 发布
最新推荐文章于 2023-11-30 14:47:46 发布
阅读量116 收藏
点赞数
分类专栏： 白面机器学习打卡
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/karl_Marco/article/details/110006700
版权
本文深入探讨了KMeans聚类算法的流程，指出其对异常点的敏感性源于质心初始化和迭代过程。评估聚类效果通常依赖于轮廓系数或Calinski-Harabasz指数。选择超参数k是个挑战，可通过肘部法则或 Gap 统计量进行判断。KMeans算法优点在于简单高效，但缺点包括对初始点的依赖和无法处理非凸形状的簇。
摘要由CSDN通过智能技术生成

1.简述kmeans流程

2.kmeans对异常点敏感嘛,为什么

3.如何评论聚类效果

4.超参数k如何选择

5.kmeans算法优缺点

技术总监刘先生
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
百面机器学习—1.特征工程
柳杰的博客
03-05 1937
文章目录一、特征归一化二、类别型特征三、高维组合特征的处理 一、特征归一化 描述   为了消除数据特征之间的量纲影响，我们需要对特征进行归一化，使得不同指标之间具有可比性，使得各指标处于同一数值量级，以便于分析。 方法： 线性函数归一化（Min-Max），将原始数据映射到[0,1]范围内 from sklearn.preprocessing import MinMaxScaler 零均值归一化（标准化），将原始数据映射到mean=0，std=1的分布上 from sklearn.preproces
百面机器学习
data_fan
05-17 497
花半天的时间看完了人工智能基础（高中生版）后，我们对人工智能和机器学习的理解有了简单的轮廓。现在可以从《白面机器学习》中学到更多基础和进阶的知识。 作者葫芦娃在引言里谈到： 想要成为一名优秀的算法工程师，更重要的是对算法模型有着发自心底的热忱，对研究工作有一种匠心精神。这种匠心精神，直白来讲，可以概括为：发现问题的眼光、解决问题的探索精神，以及对问题究原竟委的执着追求。 在翻过目录之后，映入...
百面机器学习-集成学习
05-02
这里的资源是百面机器学习中及集成学习部分的内容，大家可以自由下载来阅读学习哈！里边主要是关于Xgboost和GBDT之间的区别和联系。
百面机器学习笔记(更新ing~~~)
weixin_43869610的博客
11-21 332
第一章 特征工程 01 特征归一化 ​ Q：为什么需要对数值类型的特征做归一化？ ​ A：对数值类型的特征做归一化可以将所有的特征都统一到一个大致相同的数值区间内。最常用的方法主要有以下两种。 线性函数归一化 Xnorm=X−XminXmax−Xmin X_{norm} = \frac{X-X_{min}}{X_{max}-X_{min}} Xnorm​=Xmax​−Xmin​X−Xmin​​ 其中X为原始数据，Xmax、XminX_{max}、X_{min}Xmax​、Xmin​分别为数据最大值和数.
《百面机器学习》特征工程
邦戈邦戈栗子的博客
04-03 194
每一件小事，因为对研究有了热爱，都可以成为工作的一部分，成为开启机器学习大门的钥匙。 将算法研究应用到工作中， 与纯粹的学术研究有着一点最大的不同， 即需要从用户的角度思考问题。 很多时候， 你需要明确设计的产品特征、 提升的数据指标， 是不是能真正迎合用户的需求， 这便要求算法工程师能在多个模型间选择出最合适的那个， 然后通过快速迭代达到一个可以走向产品化的结果。 这种创新精神与尝试精神便...
【算法面经】《百面机器学习 算法工程师带你去面试》笔记
最新发布
qq_43482808的博客
11-30 1224
9.训练集和验证集划分：留出法（37分），k折交叉法，自助法（有放回n次抽样，36.8%）正则化、Dropout、扩充数据集、缩减模型、预训练fine-tune、集成学习。（2）GMM聚类：EM算法求解：假设每簇数据遵循正态分布（椭圆状）、生成式模型。外部：Jaccard指数（↑）、Rand指数（↑）、FM指数（↑）（3）聚类簇的定义：中心定义、密度定义、概念定义、连通定义。Min-max归一化：（x-min）/（max-min）CRF、HMM、最大熵模型、朴素贝叶斯模型、主题模型。
【深度之眼】【百面机器学习】SVM：聚类和回归
huxw_magus的博客
12-05 916
目录【补充学习的知识点】Pipeline代码需要导入的包绘图所用的函数线形SVM的实现非线形SVM的实现：RBF核 【补充学习的知识点】Pipeline 参考学习笔记：Sklearn中Pipeline的使用 在下面我们会接触到一个新的调用方式，就是sklearn中给我提供的Pipeline，利用pipeline我们可以方便的减少代码量同时让机器学习的流程变得直观 Pipeline的作用： 直接调用fit和predict方法来对pipeline中的所有算法模型进行训练和预测。 可以结合grid sear
百面机器学习（面试思维导图及文档下载）
simonnkj的博客
03-03 1652
该思维导图基于《百面机器学习》2018.8版本制作，主要用于面试和辅助记忆，重点部分在思维导图中已经标注， 1.思维导图如下 2.PDF和思维导图下载链接如下 链接：https://pan.baidu.com/s/19eQIbfPN0bHi4Bply1CgiA 提取码：1234 ...
百面机器学习：算法工程师带你去面试
热门推荐
GitChat
02-27 1万+
内容简介 人工智能领域正在以超乎人们想象的速度发展，本书赶在人工智能彻底占领世界之前完成编写，实属万幸。 书中收录了超过 100 道机器学习算法工程师的面试题目和解答，其中大部分源于 Hulu 算法研究岗位的真实场景。本书从日常工作、生活中各种有趣的现象出发，不仅囊括了机器学习的基本知识，而且还包含了成为出众算法工程师的相关技能，更重要的是凝聚了笔者对人工智能领域的一颗热忱之心，旨在培养读者发...
百面机器学习——模型
u014535528的博客
10-05 716
1、准确率的局限性 答：准确率的定义是正确样本占总样本的比例。但是当样本分布不均衡的时候，占比大的类别往往成为影响准确率的主要因素。为了解决这个问题，使用有效的平均准确率（每个类别下的样本准确率的算术平均）作为评估指标 2、精确率和召回率的权衡 答：精确率是指分类正确的正样本个数占分类器判定为正样本的样本个数的比例，召回率是指分类正确的正样本的个数占真正的正样本的个数比例。F值是调和精确率和召回率...
百面机器学习学习笔记
m0_37764496的博客
11-02 1923
特征归一化 为了消除数据特征之间的量纲影响，我们需要对特征进行归一化处理，使得不同指标之间具有可比性。 k维度的低纬度向量表示。 word2vec 实际是一种浅层的神经网络结构，cbow和skip-gram LDA, 线性回归分析还是文档主题生成模型。 GAN生成式对抗网络。 准确率的局限性，分类器把所有的样本都预测为负样本也可以获得99%的准确率。 准确率不适用于正负样本分布不均匀...
独家 | 送你5本机器学习必备的免费电子书！（附链接）
数据派THU
01-10 1409
作者：Richard Gall翻译：车前子校对：丁楠雅本文约2000字，建议阅读10分钟。本文介绍了帮助入门机器学习的5本免费机器学习电子书。今天，机器学习已成为软件工程...
《百面机器学习》读书笔记-第一章 特征工程
weixin_32614651的博客
08-31 1250
为什么需要对数值类型的特征做归一化？ 可以将所有的特征都统一到一个大致相同的数值区间内，通过梯度下降发求解的模型通常是需要归一化的。常用的方法有线性归一化和零均值归一化。 怎样处理类别型特征？ 序号编码，独热编码，二进制编码 什么是组合特征？如何处理高维组合特征？ 把一阶离散特征两两组合   有哪些文本表示模型？各有什么优缺点？ 词袋模型：每篇文章表示成一个长向量，每一维代表一个单...
《百面机器学习》—— 读后总结
xingoo
10-27 4037
《百面机器学习》—— 读后总结 posted @ 2018-10-27 15:52 xingoo 阅读(...) 评论(...) 编辑 收藏
机器学习常见算法个人总结（面试用）
aibotlab的博客
09-06 1210
文章目录 1. 朴素贝叶斯 1.1. 工作原理 1.2. 工作流程 1.3. 属性特征 1.4. Laplace校准(拉普拉斯校验) 1.5. 遇到特征之间不独立问题 1.6. 优缺点 2. 逻辑回归和线性回归 2.1. 梯度下降法 2.2. 其他优化方法 2.3. 关于LR的过拟合问题： 2.4. 关于LR的多分类：softmax 2.5. 关于softmax和k个LR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