mark聚类和分类

最新推荐文章于 2021-02-18 22:24:58 发布

tetamao

最新推荐文章于 2021-02-18 22:24:58 发布

阅读量257

点赞数

本文链接：https://blog.csdn.net/tetamao/article/details/78737995

版权

什么是聚类，什么是分类。

啥时候聚类，啥时候分类。

对初学者来说，这两个意思差不多的词都能纠结很久。

分类就是把数据按类别分开，比如人分成男女，身高分成高矮，体重分成胖瘦。

这里，我们已经明确的群体，如这些人是男的，这些人是女的，我们通过对已知数据的学习，完成对测试数据的分类。

聚类就不同了。

我期望把这群人分成男女，但是我对男女性别的特征一无所知，数据里可能有身高，体重，选购的商品，通过对这些数据的学习将所有数据划分开来。

我猜至少可以划分成三类，比较确定的男性，比较确定的女性，无法推知性别的一组。

如果对机器学习有所了解了，你会很自然的发现，分类属于监督学习，聚类是无监督学习。

以上，是这周的一个小思考总结。

有问题还请留言指正，共同探讨~

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

tetamao

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
mark聚类和分类

分类和聚类
复制链接

扫一扫

【单细胞分析】P2.5、聚类，筛选marker基因，可视化

weixin_47855187的博客

04-14

4796

「生信技能树」单细胞数据挖掘_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1pa4y1s76J?p=8 #5.1 聚类 pc.num=1:20 #基于PCA数据 scRNA <- FindNeighbors(scRNA, dims = pc.num) # dims参数，需要指定哪些pc轴用于分析；这里利用上面的分析，选择20 scRNA <- FindClusters(scRNA, resolution = 0.5)

机器学习12：聚类K-MEANS

matafeiyanll的博客

02-05

262

聚类 K-means K-MEANS 原理算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。算法思想：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果步骤 1.先从没有标签的元素集合A中随机取k个元素，作为k个子集各自的重心。 ...

参与评论您还未登录，请先登录后发表或查看评论

机器学习算法-k-means聚类算法

开开_王子的博客

10-21

312

一、k-means原理 k-means也是聚类算法中最简单的一种了，但是里面包含的思想却是不一般。聚类属于无监督学习，以往的回归、朴素贝叶斯、SVM等都是有类别标签y的，也就是说样例中已经给出了样例的分类。而聚类的样本中却没有给定y，只有特征x，比如假设宇宙中的星星可以表示成三维空间中的点集(x,y,z)。聚类的目的是找到每个样本x潜在的类别y，并将同类别y的样本x放在一起。比如上面的星星，聚

聚类分析方法——划分聚类

可乐瓶的专栏

06-24

7720

1. 划分聚类其实从某种角度讲，划分聚类是完全不用赘述的一种聚类方法，可能也是最常见的聚类算法了。著名的k-means算法就是个中典型。这次的内容主要是通过k-means聚类算法来总体介绍一下划分聚类。简单来讲，k均值聚类究竟做了什么事，我们可以这样来看，有N个数据点的集合D={x1,x2,…,xn}，每个xi代表一个特征向量，目标是将这N个点根据某种相似准则将其划分到K个

K-means和PAM聚类算法Python实现及对比

大白的博客

10-21

1万+

K-means（K均值划分）聚类：简单的说，一般流程如下：先随机选取k个点，将每个点分配给它们，得到最初的k个分类；在每个分类中计算均值，将点重新分配，划归到最近的中心点；重复上述步骤直到点的划归不再改变。下图是K-means方法的示意。 PAM（Partition Around Medoids）是K-medoid（K中心点划分）的基础算法，基本流程如下：首先随机选择k个对象作为中心

基于西瓜书的聚类代码和介绍

11-20

def GMM_algorithm(iterMax,gmm,dataset): ... mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', ', 'pr'] # 画出所有样例点属于同一分类的绘制同样的颜色 for i in range(numSamples):

matlab系统聚类代码-FSDA:灵活的统计和数据分析（FSDA）扩展了MATLAB，可以对受不同异构源影响的数据集进行可靠的分析。它是根据

05-22

有关FSDA中存在的功能的详细信息，您可以浏览MATLAB内部工具箱（一旦安装了FSDA）或在网址上的功能分类列表和字母顺序列表 FSDA 在检测数据潜在异常（异常值）时特别有用，即使它们是成组出现的。可用于识别异构...

MachineLearning学习——0216——无监督学习之聚类、PCA、顺便试试markdown

01-06

注意，与分类不同的是，聚类用于识别数据集中的潜在组，分类用于将输入与现有组匹配。简单的说，聚类前没有已知类别，分组前已知需要的类别。如何理解潜在组：如用户群体聚类。用户特征很多，可以是xx岁的xx月薪的...

值得mark的11个开源机器学习项目.pdf

10-05

Scikit-learn提供了广泛的监督和无监督学习算法，包括分类、回归、聚类、降维和模型选择等。它的API设计简洁易用，适合初学者和专业人士，且支持数据预处理和交叉验证等功能。 2. Shogun Shogun是一个历史悠久的...

PARSEC 13个benchmark的类别

skywf的博客

04-05

997

总共是有13个benchmark的它们的所属类别如下

机器学习基础-聚类算法-15

gemoumou的python学习实记

02-18

637

聚类算法 K-MEANS python实现K-MEANS import numpy as np import matplotlib.pyplot as plt # 载入数据 data = np.genfromtxt("kmeans.txt", delimiter=" ") plt.scatter(data[:,0],data[:,1]) plt.show() 训练模型 # 计算距离 def euclDistance(vector1, vector2): re

数学建模————统计问题之分类/聚类（二）

最新发布

07-30

qt练习控件label控件-lineEdit控件样例代码

【JCR一区级】麻雀搜索算法SSA-CNN-LSTM-Attention故障诊断分类预测【含源码 5689期】.zip

07-30

CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容主函数：Main .m；数据；调用函数：其他m文件；无需运行运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤步骤一：将所有文件放到Matlab的当前文件夹中；步骤二：双击打开除Main.m的其他m文件；步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作智能优化算法-CNN-LSTM-Attention分类系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Attention分类 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Attention分类 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Attention分类 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Attention分类 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Attention分类

详解MATLAB Simulink通信系统建模与仿真

07-30

第1 章 MATLAB 基础与通信系统仿真 1.1 MATLAB 简介 1.2 MATLAB 程序设计 1.3 通信系统仿真第2 章 Simulink 仿真基础 2.1 Simulink 简介 2.2 Simulink 工作环境 2.3 Simulink 仿真的基本方法 2.4 创建自己的模块库 2.5 S-函数的编写第3 章通信信号与系统分析 3.1 离散信号和系统 3.2 Fourier 分析 3.3 带通信号的低通等效 3.4 随机信号分析第4 章信道 4.1 加性高斯白噪声信道 4.2 多径衰落信道第5 章模拟调制 5.1 幅度调制 5.2 角度调制第6 章数字基带传输 6.1 概述 6.2 二进制基带信号传输 6.3 基带PAM 信号传输 6.4 带限信道的信号传输第7 章数字信号载波传输 7.1 概述 7.2 载波幅度调制（PAM） 7.3 载波相位调制（PSK） 7.4 正交幅度调制（QAM） 7.5 载波频率调制（FSK）第8 章信道编码和交织 8.1 概述 8.2 线性分组码

SCI一区】淘金算法GRO-CNN-BiLSTM-Mutilhead-Attention多变量时序预测含源码 5642.zip

07-30

CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容主函数：Main .m；数据；调用函数：其他m文件；无需运行运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤步骤一：将所有文件放到Matlab的当前文件夹中；步骤二：双击打开除Main.m的其他m文件；步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作智能优化算法-CNN-BiLSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-BiLSTM-Mutilhead-Attention回归预测

2020年首届“洪泽湖杯”中国人工智能掼蛋算法大赛第8名我就是掼蛋.zip

07-30

毕业设计是高等教育阶段学生完成学业的一个重要环节，通常在学士或硕士学业即将结束时进行。这是学生将在整个学业中所学知识和技能应用到实际问题上的机会，旨在检验学生是否能够独立思考、解决问题，并展示其专业能力的一项综合性任务。毕业设计的主要特点包括：独立性：毕业设计要求学生具备独立思考和解决问题的能力。学生需要选择一个合适的课题，研究相关文献，进行实地调查或实验，并提出独立见解。实践性：毕业设计是将理论知识应用到实际问题中的一次实践。通过完成毕业设计，学生能够将所学的专业知识转化为实际的解决方案，加深对专业领域的理解。综合性：毕业设计往往要求学生运用多个学科的知识，综合各种技能。这有助于培养学生的综合素养，提高他们的综合能力。导师指导：学生在毕业设计过程中通常由一名指导老师或导师团队提供指导和支持。导师负责引导学生确定研究方向、制定计划、提供建议，并在整个过程中监督进展。学术规范：毕业设计要求学生按照学术规范完成研究，包括文献综述、研究设计、数据采集与分析、结论和讨论等环节。学生需要撰写一篇完整的毕业论文，并进行答辩。

数据挖掘与实践机器学习：第三版工具与技术

内容覆盖了数据预处理、特征选择、聚类、分类、关联规则学习、回归分析、异常检测等多个核心数据挖掘技术。书中不仅深入阐述理论原理，还提供了大量的实例和案例研究，让读者能够通过实践操作掌握这些技术。此外，...