Think_0101的博客

实验目的使用k-means聚类算法对矩阵元素进行分类实验内容编写程序，使用k-means聚类方法对已知数据进行聚类，然后对未知样本进行分类。数据自己进行模拟生成，要求为整数，样本个数至少为 100个，类别作为输入参数。k-means 算法的基本思想：以空间k个点为中心进行聚类，对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。最终的k各聚类具有以下特点：各聚类本身尽可能紧凑，而各聚类之间尽可能分开。假设把样本集分为k个类别，算法描述如下：适当选择k个类的初始

Python具体需求功能要求编写程序，生成数据模拟（也可以使用网上爬取的真实数据）多人对多部定影的打分（1~5分），然后根据这些数据对某用户A进行推荐。源代码运行截图总结基于用户相似度的推荐算法，主要是计算用户之间的相似度，由于此相似度的规则是先比较共同评分电影的数量，再比较评分电影的评分值接近程度，因此，我采用一个设计的字典来记录目标用户与样本集中的用户之间的相似度，将某用户和目标用户ID构成的元组作为字典的键，然后分别计算公共打分电影数和电影评分差距构成的列表作为字典的值，通过自定义的排序函数可以实现按

Python安装机器学习sklearn库出现ErrorError：Could not install packages due to an EnvironmentError [Errno 2] No such file or director由 Windows 上的文件路径长度限制导致的错误如果 Python 安装在嵌套位置（如用户主目录下的文件夹结构）中，则在达到 Windows 的默认路径大小限制时，pip 可能会无法安装包，例如：AppDataC:\Users\username>C:\U