Part3-非监督学习

本章目标
  • 关注非监督学习,如何弥合原始机器学习工作流在模型构建方面的缺口;
  • 了解如何比较使用非监督学习开发的不同模型以认识其相对优势和相对不足;
  • 对于非监督学习最重要的是,希望认识它生成的不同类型的结论解决的不同类型的问题,及其与监督学习的区别。

聚类

Kmeans

sklearn.cluster.KMeans
- n_clusters算法伊始选择centroid的个数最重要
- max_iter 最大迭代次数
- n_init 提供不同初始化方案的数量

local hill climbing algorithm 局部最优解

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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