非监督学习，sklearn聚类，降维，决策树

已于 2022-02-17 12:23:15 修改
阅读量1.5k 收藏 2
点赞数 4
分类专栏： 机器学习及项目 文章标签： 线性回归 机器学习 回归
于 2021-11-26 20:08:07 首次发布
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/m0_47405013/article/details/121515196
版权
该博客探讨了非监督学习中的聚类方法，如k-means（k值分别为2和4），并强调了先降维再聚类的重要性。此外，介绍了主成分分析（PCA）在乳腺癌和iris数据集上的应用。最后，讨论了决策树在分类（乳腺癌数据集）和回归（糖尿病数据集）任务中的使用。
摘要由CSDN通过智能技术生成

1. 聚类

聚类：对数据集进行分类，比如y=0,y=1,y=2等

1.1 kmeans聚类（k=4）

聚类：分为四类，所以K=4

from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings(
了解本专栏 订阅专栏 解锁全文 超级会员免费看
小飞龙程序员
关注
  • 4
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
【习题集三】学习理论和无监督学习
禛的专栏
11-06 1319
介绍了《机器学习》课程第三个习题集的问题及解法
sklearn无监督学习-聚类k-means
qq_41663800的博客
05-06 1125
无监督学习 聚类 就是根据数据的”相似性”将数据分为多类的过程。评估两个不同样本之间的“相似性”，通常使用的方法就是计算两个样本之间的“距离”。使用不同的方法计算样本间的距离会关系到聚类结果的好坏。 1样本距离计算方法 欧式距离，曼哈顿距离，马氏距离，夹角余弦 2sklearn.cluster sklearn.cluster模块提供的各聚类算法函数可以使用不同的数据形式进行输入：标准数据输入格式：...
python学习——使用决策树进行特征降维
m0_37876745的博客
02-03 1431
555
非监督学习中经典算法（K均值，主成分分析）的sklearn代码实现，适合小白，机器学习起步
qq_26928055的博客
08-10 388
代码主要参考《python机器学习及实践》一书 聚类 K均值算法 # 数据导入和预处理 import pandas as pd import numpy as np import matplotlib.pyplot as plt digits_train = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/optdigits/optdigits.tra', header=None) digits_test = p
ML：非监督学习之 聚类 之 1 KMeans聚类（sklearn.cluster.KMeans)
htuhxf的博客
10-14 1112
一、算法图解 首先，指定cluster的个数。上图设k=2（初始点为从图b开始出现的“+”号； 其次，把每个数据样本划到到最近的中心点那一cluster； 再次，指第一轮化cluster之后，更新中心点（一般是把该cluster的所有数据坐标加起来取平均值）； 重复划类和中心点更新，知道达到指定的迭代次数或者中心点的移动距离小于给定值或者中心点不在移动； 二、sklearn官方文档链接 skl...
sklearn之决策树
12-21
决策树是一种有监督学习方法，适用于分类和回归任务。它通过对数据集中的特征进行一系列判断，形成一个树状结构，每一步的划分都是基于某个特征的选择。这个选择过程通常基于信息增益、信息增益率或基尼指数等准则。...
机器学习算法代码（包括SVM、回归、降维、聚类、决策树、逻辑回归、贝叶斯、随机森林、数据处理与特征工程）
06-06
在Python中，`sklearn.tree`模块提供决策树的构建。 6. **逻辑回归**：逻辑回归是一种广义线性回归，常用于二分类问题。它通过sigmoid函数将连续值转换为概率。`sklearn.linear_model.LogisticRegression`是其...
非监督学习入门：聚类与降维
通常，非监督学习用于探索数据、发现数据的内在结构，或者对数据进行降维、聚类等操作。 ## 1.2 非监督学习的应用领域 非监督学习在许多领域有着广泛的应用，比如数据挖掘、图像处理、自然语言处理等。例如，在...
无监督学习：聚类与降维技术解析
在无监督学习中，算法被要求自行发现数据中的规律和关联，从而对数据进行分类、降维或聚类。 典型的无监督学习任务包括聚类和降维。在聚类任务中，算法试图将相似的数据点分组在一起，而将不相似的点分离开来。在...
监督学习---决策树
Gfqwy2021
04-02 490
决策树 (Decision Tree): 是一种树形归纳分类算法,通过对训练集数据的学习，挖掘出一定的规则，用于对测试集数据进行预测。 决策树的学习目标：根据给定的训练数据集构建一个决策树模型，使它能够对实例进行正确的分类。 决策树的结构： 决策树提供了一种展示在什么条件下会得到什么类别这种规则的方法. 决策树包括：根节点，内部节点，分支和叶子节点， eg： 每个内部结点代表对某个属...
scikit-learn 实战之非监督学习 2
oxuzhenyi的博客
08-04 789
K 值选择与聚类评估 一、实验介绍 1.1 实验内容 非监督学习（英语：Unsupervised learning）是机器学习中十分重要的一个分支。这是本实验课程的第 2 章节，将带你了解如何对聚类效果进行评估。 1.2 实验知识点 肘部法则轮廓系数 1.3 实验环境 python2.7Xfce 终端ipython 终端 1.4 适合人群 本课程难度为一般，属于初级级别课
监督学习——决策树
人之初，性贪婪
07-15 1400
1.1. 决策树度量方法：信息增益（ID3）信息增益率（C4.5）基尼指数（CART）对一个给定样本分类所需要的信息熵： S：是s个数据样本的集合m：类别标签具有m个：定义m个不同类：是类中样本数：任意样本属于的概率，信息期望： 信息增益： 例如：  1.1.1. 迭代Dichotomiser3（ID3）（1）给定样本分类的信息熵类别标签S被分为两类：买或不买。S1(买)=640；S2(不买)=3...
监督学习-----分类学习-----决策树
Goldstine的博客
12-16 342
  逻辑斯蒂回归（logisticRegression）和支持向量机（support vactor model）都在某种程度上要求被学习的特征和目标之间遵照线性假设。然而，在许多现实场景下，这种假设是不存在的。 比如，如果要借由一个人的年龄来预测患流感的死亡率。如果采用线性模型的假设，那么只有两种情况：年龄越大死亡率越高；或者年龄越小死亡率越高。然而，根据常识判断，青壮年因为更加健全的免疫系统...
数据降维
m0_46519036的博客
07-02 436
数据降维： 指的是降低特征的数量 数据降维的2种方式： 1.特征选择 2.主成分分析 1.特征选择 特征选择的原因： 冗余：部分特征相关度高，容易消耗计算性能。 噪声：部分特征对预测结果有影响 sklearnt二证选择API ...
sklearn实战-----6.聚类算法K-Means
zjmy的博客
06-16 2664
1 概述 1.1 无监督学习与聚类算法 在过去的五周之内，我们学习了决策树，随机森林，逻辑回归，他们虽然有着不同的功能，但却都属于“有监督学习”的一部分，即是说，模型在训练的时候，即需要特征矩阵X，也需要真实标签y。机器学习当中，还有相当一部分算法属于“无监督学习”，无监督的算法在训练的时候只需要特征矩阵X，不需要标签。我们曾经学过的PCA降维算法就是无监督学习中的一种，聚类算法，也是无监督学习的代表算法之一。 聚类算法又叫做“无监督分类”，其目的是将数据划分成有意义或有用的组（或簇）。这种划分可以基于我们
【2020人工智能培训课】笔记二 决策树、聚类、关联规则等常见算法
Idiot 的博客
12-01 2997
机器学习的常见算法示例 决策树：对数据if else then 的方式进行逐层划分。带标签的有监督的学习方式。 聚类：无监督的方式。无指示标签。根据样本点在样本空间上的分布进行分类。最终效果取决于选择的聚类特征 时间序列：ARIMA AR：体现规律性的循环。I：差分MA：平滑，平均。效果比现在的的RNN循环神经网络效果差很多。 朴素贝叶斯：基于概率的模型。有坚实的数学基础，有强可解释性。 SVM支持向量机：将两组数据分开来，而且能找到最优分界面。不是概率模型 关联规则：无监督方法。于传统统计方
看！数据分析领域中最为人称道的七种降维方法
热门推荐
zdy0_2004的专栏
11-22 1万+
http://dataunion.org/20803.html 感谢王穆荣的投稿，转载请注明出处：数盟社区 近来由于数据记录和属性规模的急剧增长，大数据处理平台和并行数据分析算法也随之出现。于此同时，这也推动了数据降维处理的应用。实际上，数据量有时过犹不及。有时在数据分析应用中大量的数据反而会产生更坏的性能。 最新的一个例子是采用 2009 KDD Challenge 大数据集来预测客户
【scikit-learn】03：将sklearn库用于非监督性学习 聚类
墨竹
02-17 7717
# -*-coding:utf-8-*-# ---------------------- # Author：kevinelstri # Datetime:2017.2.16 # ----------------------# ----------------------- # Unsupervised learning: seeking representations of the data
随机森林分类聚类及降维在 python 中的实现
最新发布
10-27
随机森林是一种集成学习算法，通过构建多颗决策树来进行分类和回归任务。在Python中，可以使用scikit-learn库来实现随机森林分类。 首先，需要导入所需的库： ```python from sklearn.ensemble import ...
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

打赏作者

小飞龙程序员

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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