相关性研究思路及代码实现(MIC-最大信息系数、Relif-F特征选择算法、pearson、spearman、kendall、卡方检验、fisher精确检验、F检验、简单粗暴的分层聚合)
相关性研究思路及代码实现为什么要研究相关性?监督学习、非监督学习、半监督学习与强化学习的概念距离计算方法(相似性)K-means算法逻辑如何评价k-means聚类算法k-means聚类算法如何选出最佳k值K-means的优缺点及应用场景改进和其他常用聚类算法与K-means算法类似的k-modes和k-prototypesDensity-based methods基于密度的聚类算法 DBSCAN高斯混合模型GMM聚类算法层次聚类算法感言为什么要研究相关性?工作中经常会有类似相关性验证或探究的过程,出于不
原创
2021-07-25 22:47:30 ·
5441 阅读 ·
6 评论