机器学习 算法基础 十 聚类

最新推荐文章于 2024-06-14 10:39:52 发布
最新推荐文章于 2024-06-14 10:39:52 发布
阅读量85 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/qq_22096121/article/details/104934539
版权

聚类

  • 聚类是针对给定的样本，依据他们特征的相似度或距离，将其归并到若干个“类”或“簇”的数据分析问题。
  • 在某些场景下聚类和降维是一个意思。聚类算法只作为pipline上对特征降维使用。

相似度/计算方法

在这里插入图片描述
在这里插入图片描述
当 μ x = = μ y = = 0 \mu_x == \mu_y == 0 μx​==μy​==0 时二者相同

K均值

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
所以我们希望在初始的时候四个聚类中心互相离的远一点。
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

层次聚类

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

密度聚类法

比如通过人口密度聚类出自然城市
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

谱聚类

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

标签传递算法 在这里插入图片描述

在这里插入图片描述

不可描述的两脚兽
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
机器学习算法之KMeans聚类算法实现.zip
04-20
机器学习算法 机器学习算法之KMeans聚类算法实现
【Graph Embedding】LINE：算法原理，实现和应用
热门推荐
浅梦的学习笔记
02-12 1万+
之前我们介绍过DeepWalk，DeepWalk使用DFS随机游走在图中进行节点采样，使用word2vec在采样的序列学习图中节点的向量表示。 与DeepWalk不同的是，LINE既可以用于无权图，也可用于带权图中。 在之前提到过，不同的graph embedding方法的一个主要区别是对于图中顶点之间的相似度的定义不同。 LINE 算法原理 一种新的相似度定义 first-order prox...
Line(图神经网络)之小黑尝试
qq_37418807的博客
01-14 1880
1.参数初始化 import argparse from utils.line import Line from tqdm import trange import torch import sys import pickle import numpy as np from decimal import Decimal # 使用parser加载信息 parser = argparse.ArgumentParser() # 输入文件 parser.add_argument('-g','--graph_path
机器学习算法之 K 均值聚类
07-03
机器学习算法之 K 均值聚类 本文我们来学习一下另一种经常听到的机器学习算法—— K 均值聚类。 这个名字确实跟“K 近邻”有些相像，但是要明确的是，“K 近邻”中的“K”，指的是“与输入数据最接近的 K 个...
机器学习算法原理-聚类算法_V3.pdf
12-18
机器学习算法原理-聚类算法
机器学习算法-kmeans 聚类算法一
01-06
如果相同，结束聚类，算法收敛。 如果不相同：把这3个平均值当做新的中心点，从第二步开始重新开始。 1.2 k-means算法的评估标准   外部距离最大化，内部距离最小化。   1、计算蓝1到自身类别的点距离的平均值a_i...
python机器学习算法决策树和聚类分析实验报告
05-11
"Python机器学习算法决策树和聚类分析实验报告" Python 机器学习算法决策树和聚类分析实验报告中涉及到以下几个重要的知识点： 1. 决策树（Decision Tree）的概念和构造过程：决策树是一种常用的机器学习算法，...
“探索机器学习的多面世界：从理论到应用与未来展望“
最新发布
窗外风景随心变幻
06-14 2331
监督学习是机器学习的重要类型。它基于有标记的训练数据进行学习。主要任务包括分类和回归。分类用于预测离散的类别标签，比如判断邮件是否为垃圾邮件。回归则用于预测连续的值，例如房价预测。常见算法有线性回归、逻辑回归、决策树等。以线性回归为例，其目标是找到一条直线来拟合数据。
【Python】探索 One-Class SVM：异常检测的利器
2333333
06-09 936
One-Class SVM 是一种无监督学习算法，用于识别数据集中与大多数样本显著不同的异常样本。与传统的 SVM 不同，One-Class SVM 仅使用正样本进行训练，其目标是找到一个决策边界，使得大多数正样本位于边界内，而异常样本位于边界外。One-Class SVM 的基本原理是寻找一个能够包含大部分数据点的超平面，并最大化该超平面的边界。
人工智能和机器学习这两个概念有什么区别？
xiao77224li的博客
06-10 1613
机器学习，MachineLearning（简称ML），机器学习领域知名学者Tom M.Mitchell曾给机器学习做如下定义：如果计算机程序针对某类任务T的性能（用P来衡量）能通过经验E来自我改善，则认为关于T和P，程序对E进行了学习。通俗来讲，计算机针对某一任务，从经验中学习，并且能越做越好，这一过程就是机器学习。一般情况下，“经验”都是以数据的方式存在的，计算机程序从这些数据中学习。学习的关键是模型算法，它可以学习已有的经验数据，用以预测未知数据。
【机器学习】基于卷积LSTM的视频预测
MUKAMO的博客
06-10 1070
本文介绍了LSTM及其在视频预测中的应用。LSTM通过门控机制解决了RNN的梯度问题，并在视频预测中展现出优势，如捕捉时空特征和处理复杂模式。文章详细描述了LSTM视频预测的过程，包括数据预处理、模型构建、训练和可视化。通过Python代码和GIF动画，展示了模型性能。本文为理解LSTM和视频预测技术提供了深入指导和实用信息，使读者能利用LSTM进行有效视频预测。
Python 深度学习和机器学习的模型评估库之torchmetrics使用详解
Rocky006的博客
06-11 1232
在深度学习和机器学习项目中，模型评估是一个至关重要的环节。为了准确地评估模型的性能，开发者通常需要计算各种指标（metrics），如准确率、精确率、召回率、F1 分数等。torchmetrics是一个用于 PyTorch 的开源库，提供了一组方便且高效的评估指标计算工具。本文将详细介绍torchmetrics库，包括其安装方法、主要特性、基本和高级功能，以及实际应用场景，帮助全面了解并掌握该库的使用。
Scikit-learn 基础教程：机器学习的初步指南
LeoLei8060的博客
06-13 1097
Scikit-learn 是一个强大且易于使用的机器学习库，适合初学者和经验丰富的数据科学家。本文介绍了 Scikit-learn 的安装方法、核心组件及其应用。通过一个简单的机器学习项目，我们演示了如何使用 Scikit-learn 进行数据加载、分割、训练和评估。希望这篇教程能够帮助您更好地理解和使用 Scikit-learn 进行机器学习任务。
三菱电子推出16W GaN PA，用于大规模MIMO
qq_28126171的博客
06-11 402
在发射端与接收端，MIMO巧妙地运用了多个发射天线和接收天线，如同一位技艺高超的指挥家，引导信号在多个天线间穿梭，编织出一幅幅清晰流畅的通信画面，从而显著提升了通信质量。MIMO技术的魅力在于其空间资源的充分利用。通过多个天线的协同工作，实现了多发多收的通信模式，不仅在不增加频谱资源和天线发射功率的前提下，大幅度提升了系统信道容量，更展示了其独特的优势，成为下一代移动通信的核心技术。这款PAM如同一位高效的指挥家，通过减少所需的PAM数量，巧妙地扩大了5G mMIMO基站的通信范围，并降低了制造成本。
机器学习python实践——关于ward聚类分层算法的一些个人心得
SZX0311的博客
06-13 1490
通过代码我们知道输入的是数组X，输出的是链接数组Z，其中X是一个8行1列的二维数组，每一行数据都代表着一个位置标记，同时，根据网上大佬的说法Z是一个n行4列的数组，前两列表示要聚类的簇的编号，第三列表示两个即将聚类的簇之间的距离，第四列表示聚类所得的新簇中含有的样本个数。另外，我解释一下，可能很多人在网上看到的离差平方和公式跟我给出的有点区别，但是两者是一样的，只是网上大部分是拆开并且化简过得，而我这个是和起来的，同样因为我ward算法看的是何晓群老师的书，所以跟书上的表达方式保持一致。
机器学习笔记——支持向量机
star_and_sun的博客
06-10 641
思想：同时优化所有的参数比较困难，因此选择部分参数来优化，选择两个固定其他的，然后再选两个固定其他的一直循环，直到更新参数的变化小于某个值就可以终止，或者固定迭代次数。我们只需要用支持向量来进行分类，这样子减少了复杂度和时间消耗，但是优势不明显，因为参数a的求解需要的时间也很大，所以用到了序列最小优化算法来解决这个问题。对于一个样本，要么对应的参数a为0，要么与超平面的间隔为γ，将这些与超平面距离最小的向量。这里的a是待求解的参数，梯度参数量是和规模m相关，数据的规模增大时，参数量也增多。
Kaggle -- Titanic - Machine Learning from Disaster
a1783760364的博客
06-10 271
使用一个简单的决策树进行模型构建，达到75.8%的准确率（有点低，但是刚开始）新手kaggle之旅：1 . 泰坦尼克号。
机器学习的分类
wt334502157的博客
06-13 783
机器学习是人工智能的一个分支，它使计算机系统能够从数据中学习并做出决策或预测。机器学习（Machine Learning）是一种基于数据驱动的方法，旨在通过自动化的统计模型和算法从数据中学习和提取模式，以进行预测、分类和决策。其核心思想是通过训练数据构建模型，使其在面对新数据时能够准确进行预测和分类。
一文入门机器学习
桔子
06-10 811
这是一篇关于机器学习入门的指南，从基本概念到实际操作都有涵盖。文章介绍了机器学习的定义和应用场景，包括预测数据、识别分类、归纳聚类、异常检测和生成对抗网络。作者详细解释了机器学习的工作原理，包括数据准备、特征工程、模型选择、训练和评估等关键步骤。最后，通过一个简单的实操示例展示了如何使用逻辑回归模型对鸢尾花数据集进行分类，并介绍了保存和复用模型的方法。
机器学习k-means聚类算法代价函数
12-24
K-means聚类算法的代价函数是平方误差和（Sum of Squared Errors, SSE）。该代价函数衡量了每个样本点与其所属簇中心的距离的平方和。K-means算法的目标是最小化代价函数，通过迭代的方式不断更新簇中心，直到达到...

“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