machine learning 第八周 k-means

最新推荐文章于 2024-07-11 15:21:16 发布
最新推荐文章于 2024-07-11 15:21:16 发布
阅读量168 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
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/kateoscar/article/details/89279174
版权

终于到了激动人心的非监督（unsupervised learning）阶段了

  • unsupervised learning的应用

客户群分析，社交网络分析，天文data分析（区别天体）

  • k-means

k就是k类，means就是均值，它的名字很好的表明了它的算法内容

成本函数

随机初始化

注意为了防止k-means的局部优化，要对其随机初始化，最好初始化很多次，pick成本函数最小的

如何决定k

两个方法 ：1.elbow定理 2.根据市场需求定（E.g.服装尺码）

kateoscar
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
（全）2020吴恩达机器学习MachineLearning第八周编程作业ex7
05-26
压缩包内含吴恩达老师《Machine Learning》课程第八周的编程作业ex7所需完成的六个m文件，解压放进课程作业原始压缩包中即可。压缩包中所有编程作业均为本人独立完成，并尽量使用向量化计算，全部满分通过。
Coursera Machine Learning 第八周week8ex7 K-Means Clustering and PCA编程全套满分题目+注释
12-26
在本资源中，我们主要关注的是Coursera上吴恩达教授的机器学习课程的第八周练习，重点是K-Means聚类和主成分分析（PCA）的编程任务。这些概念是数据科学和机器学习领域中的核心工具，用于理解和处理高维数据。 **K-...
Coursera Machine Learning 第八周 quiz Programming Exercise 7 K-means Clustering and Principal Component
OovEver的专栏
11-13 2784
findClosestCentroids.m function idx = findClosestCentroids(X, centroids) %FINDCLOSESTCENTROIDS computes the centroid memberships for every example % idx = FINDCLOSESTCENTROIDS (X, centroids) return
吴恩达机器学习第八周测试及编程练习
SpicyCoder的博客
06-15 3610
文章目录测试：Principal Component Analysis第一题第二题第三题第四题第五题编程练习：K-Means Clustering and PCA作业一：Find Closest Centroids (k-Means)作业二：Compute Centroid Means (k-Means)作业三：PCA作业四：Project Data (PCA)作业五：Recover Data (...
机器学习 | 吴恩达机器学习第八周编程作业(Python版）
sdu_hao的博客
11-19 2827
实验指导书 下载密码:963j 本篇博客主要讲解，吴恩达机器学习第八周的编程作业，主要包含KMeans实验和PCA实验两部分。原始实验使用Matlab实现，本篇博客提供Python版本。 目录 1.实验包含的文件 2.KMeans实验 3.K-means实验完整代码 4.PCA实验 5.PCA实验完整代码 1.实验包含的文件 文件名称 含义 ex7.py ...
Coursera-MachineLearning-Week8编程题目整理
qq_37402392的博客
08-09 164
pca.m sigma = (X'*X)./m; %计算Sigma [U,S,V] = svd(sigma); %进行奇异值分解 projectData.m Ureduce = U(:, 1:K); %提取前k列 for i = 1:size(X,1) %遍历所有样本 x = X(i,:); %获取样本 Z(i,:) = x*Ureduce; %进行降维 end recoverData.m for i = 1:size(Z,1) X_rec(i,:) = Z(i,
Stanford---Machine-Learning-Coursework:主题-线性回归，逻辑回归，正则化，神经网络，系统设计，支持向量机，无监督学习（用于聚类的k-Means算法），降维（主要成分分析），异常检测，推荐系统，大规模机器学习，和照片光学字符识别
05-09
第八周 无监督学习 降维 第9周 异常检测 推荐系统 第十周大规模机器学习 第11周照片光学字符识别 每个部分的注释都将附加在此处，并可在每周的每个子文件夹中查看。 机器学习第一周 在第1周中，我们涵盖以下主题： ...
Mastering Machine Learning with scikit-learn 第二版 2017
07-01
Mastering Machine Learning with scikit-learn (2 ed) (True PDF + AWZ3 + codes) Table of Contents Preface 1 Chapter 1: The Fundamentals of Machine Learning 6 Defining machine learning 6 Learning from ...
斯坦福大学《Machine Learning》第8周学习笔记
小T是我
06-30 676
Unsupervised Learning非监督学习 Clustering聚类 K-Means Algorithm K均值算法 在聚类问题中 我们有未加标签的数据 我们希望有一个算法 能够自动的 把这些数据分成 有紧密关系的子集或是簇 K均值 (K-means) 算法是现在最为广泛使用的聚类方法 如图所示 现在我有一些没加标签的数据 而我想将这些数据分成两个簇 现在我执行K均值算法 方...
中文分词-基于机器学习
m0_57922605的博客
07-09 807
之前介绍了几种简单的中文分词方式，但是这几种分词方式都太依赖词库了。有没有不依赖词库的方式，重新思考，如果想要对一句话进行分词，我们需要什么知道什么？对于每一个字，我们想知道它是不是一个词的边界。蓝色表示不是词边界，红色表示是词边界。问题转化为：对于句子中的每一个字，进行二分类判断，正类表示这句话中，它是词边界，负类表示它不是词边界标注数据、训练模型，使模型可以完成上述判断，那么这个模型，可以称为一个分词模型。这次分词实战和上一次深度学习实战之简单文本分类。
线性代数|机器学习-P22逐步最小化一个函数
scar2016的博客
07-10 892
主要讲的是无约束情况下的最小值问题。矩阵求导泰勒公式，函数到向量的转换梯度下降牛顿法梯度下降。
机器学习基本概念，Numpy，matplotlib和张量Tensor知识进一步学习
最新发布
2302_80644606的博客
07-11 837
这是一个强大的库，提供了大量的数学函数以及多维数组和矩阵运算的支持。它是许多其他科学计算库的基础，如Scipy、Pandas和Matplotlib。在深度学习中，Numpy常用于数据预处理和后处理。张量在神经网络中扮演了不可或缺的角色，它们不仅是数据的容器，还是神经网络操作和优化的核心。
矩阵分解及其在机器学习中的应用
huanfeng_AI的博客
07-10 480
矩阵分解是将一个矩阵拆解为数个矩阵的乘积的过程。其核心思想是将原始数据的维度降低，同时保留数据的主要特征。矩阵分解有多种方法，常见的包括三角分解、QR分解、奇异值分解（SVD）等。其中，SVD因其强大的数据降维和特征提取能力，在机器学习中应用尤为广泛。
使用机器学习 最近邻算法（Nearest Neighbors）进行点云分析 (scikit-learn Open3D numpy)
Eric Woo
07-10 530
最近邻算法是一种基于距离的算法，它通过计算数据点之间的距离来查找给定数据点的最近邻居。常用的距离度量包括欧氏距离、曼哈顿距离和余弦相似度等。最近邻算法的优点在于简单易懂且无需假设数据的分布形式，适用于各种类型的数据。
机器学习（五） -- 监督学习（6） --逻辑回归
zqx1473的博客
07-10 769
tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。！！”一般需要特别注意或者容易出错的地方。本系列文章是作者边学习边总结的，内容有不对的地方还请多多指正，同时本系列文章会不断完善，每篇文章不定时会有修改。由于作者时间不算富裕，有些内容的《算法实现》部分暂未完善，以后有时间再来补充。见谅！文中为方便理解，会将接口在用到的时候才导入，实际中应在文件开始统一导入。逻辑回归=线性回归+sigmoid函数。
基于机器学习（支持向量机，孤立森林，鲁棒协方差与层次聚类）的机械振动信号异常检测算法（MATLAB 2021B）
weixin_39402231的博客
07-06 511
基于机器学习（支持向量机，孤立森林，鲁棒协方差与层次聚类）的机械振动信号异常检测算法（MATLAB 2021B）
机器学习笔记之监督学习
weixin_51339377的博客
07-10 347
用于训练模型的数据集称为：训练集成本函数/代价函数：指示模型的运行情况，用于衡量训练数据与该直线的拟合程度。将预测值和目标值做差，该差值也被称为“损失值”。例如我们需要计算平均的平方误差来衡量成本函数/平方误差成本函数：（假设训练集中一共有m组的数据，将每个数据的预测值和真实值做差后取平方，然后求和再除以数量m，即可得到平均值。其中再多除以2是为了使数据更好看，不除以2也同样可以表示成本函数，用J（w，b）来表示）
【机器学习】机器学习详解-小白入门（随记）
边走、边悟、迟早变好
07-10 1022
通用定义：机器学习是一种利用数据和统计技术来使计算机系统自动改进其性能的技术。通过不断学习和更新模型，机器学习系统能够从经验中提取知识和规律，并应用这些知识进行预测或决策。数学定义：机器学习是关于算法的研究和开发，这些算法通过从数据中提取模式和规律来进行学习和预测。数学上，机器学习可以表示为一个优化问题，即在给定的假设空间和损失函数下，找到使损失函数最小化的模型参数。工程定义：机器学习是一种工程技术，利用统计方法和算法从数据中学习，并构建可以执行特定任务的模型。
机器学习（五） -- 监督学习（7） --SVM1
zqx1473的博客
07-10 1126
tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。！！”一般需要特别注意或者容易出错的地方。本系列文章是作者边学习边总结的，内容有不对的地方还请多多指正，同时本系列文章会不断完善，每篇文章不定时会有修改。由于作者时间不算富裕，有些内容的《算法实现》部分暂未完善，以后有时间再来补充。见谅！文中为方便理解，会将接口在用到的时候才导入，实际中应在文件开始统一导入。支持向量机（SVM，
machine learning with pytorch and scikit-learn pdf
07-14
总的来说，"Machine Learning with PyTorch and Scikit-Learn PDF" 是一本适合初学者和有经验的机器学习从业者的书籍，它将帮助读者掌握使用PyTorch和Scikit-Learn进行机器学习的基本原理和技巧。 ### 回答3： ...

“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