qq_41253208的博客

无监督学习–K-means聚类算法学习介绍：k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度比较低。其处理过程如下：1、随机选择k个点作为初始的聚类中心； 2、对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇；3、对每个簇，计算所有点的均值作为新的聚类中心；4、重复2、3直到聚类中心不再发生变化；数据介绍:现有1999年全国31...

DBSCAN 算法是一种基于密度的聚类算法：聚类的时候不需要预定指定簇的个数最终得簇的个数不定DBSCAN算法将数据点分为三类：核心点:在半径Eps内含有超过MinPts数目的点边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内噪音点：既不是核心点也不是边界点的点！！算法流程！！将所有点标记为核心点，边界点或噪音点；删除噪声点；为距离在Eps之内...

import numpy as npimport PIL.Image as imagefrom sklearn.cluster import KMeansdef loadData(filePath):f = open(filePath,‘rb’)data = []img = image.open(f)m,n = img.sizefor i in range(m):for j in...