机器学习sklearn之K-Means及其改进策略

最新推荐文章于 2024-09-01 13:38:47 发布
最新推荐文章于 2024-09-01 13:38:47 发布
阅读量929 收藏 2
点赞数
分类专栏： 机器学习 文章标签： 机器学习 K-Means 改进策略
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/weixin_41599977/article/details/90733890
版权

K-Means聚类算法，是一种无监督的聚类方法，由于其简单且聚类效果不错，得到了广泛的应用。本文从传统的聚类方法K-Means算法讲起，并针对质点初始化、减少距离计算以及大样本减少计算量三个方面介绍其优化的三种方法，分别是K-Means++、elkan K-Means以及mini Batch K-Means。下面是手写的笔记，供大家学习参考，如有不清楚的地方，欢迎交流讨论…在这里插入图片描述K-Means算法比较简单，没有推导过程，个人感觉只要理解核心思想即可，使用的话有现成的学习包，亦可以自己实现算法，这里不多赘述，祝大家学习进步@_@！

夜风晚凉
关注
专栏目录
了解 K-Means 聚类的工作原理（详细指南）
gongdiwudu的专栏
08-17 2104
K-means 的目标是将一组观测值划分为 k 个聚类，每个观测值分配给均值（聚类中心或质心）最接近的聚类，从而充当该聚类的代表。
sklearn中kmeans聚类算法解析及应用
10-17
sklearn学习中所需要的聚类算法解析，文档中主要解析了kmeans算法用法
【Python机器学习】Sklearn库中Kmeans类、超参数K值确定、特征归一化的讲解（图文解释）
showswoller的博客
12-16 3645
【Python机器学习】Sklearn库中Kmeans类、超参数K值确定、特征归一化的讲解（图文解释）
算法——K-means算法和算法改进
最新发布
m0_66890670的博客
09-01 1650
本文详细介绍了k-means算法，包括算法流程，算法的损失函数和收敛问题，以及许多算法的调优和改进的方法（初始质心的选择，簇内数据k的确定，算法的加速优化，对异常值的处理，混合模型，距离度量的改进，自动化调参），以及算法的python代码实现。
python的scikit-learn机器学习库实现kmeans聚类（参数、方法、实例、评估）
升级打怪之路
04-02 4021
本文主要为scikit-learn中kmeans的介绍 kmeans主要参数 n_clusters: k值 max_iter：最大迭代次数。 如果数据集不是凸集，可能很难收敛，此时可以通过指定最大的迭代次数让算法可以及时退出循环。 n_init：使用不同的初始化质心运行算法的次数。由于K-Means的结果会受初...
sklearn学习05——K-means
qq_42929168的博客
12-27 1137
sklearn学习05——K-means前言一、K-means算法思想二、代码实现 K-means算法2.1、引入相关库2.2、生成数据集2.3、训练 + 预测2.3、惯性指标（inertia）总结 前言 面对无标签的数据集，我们期望从数据中找出一定的规律。一种最简单也最快速的聚类算法应运而生——K-Means。因为数据集无标签，所以它是无监督学习，下面介绍K-means算法思想，然后再调用sklearn相关库代码实现一下。 一、K-means算法思想 其核心思想比较简单，四个字概括的话就是：物以类
k-means+python︱scikit-learn中的KMeans聚类实现( + MiniBatchKMeans)
热门推荐
素质云笔记
04-19 18万+
之前一直用R，现在开始学python之后就来尝试用Python来实现Kmeans。 之前用R来实现kmeans的博客：笔记︱多种常见聚类模型以及分群质量评估（聚类注意事项、使用技巧） 聚类分析在客户细分中极为重要。有三类比较常见的聚类模型，K-mean聚类、层次（系统）聚类、最大期望EM算法。在聚类模型建立过程中，一个比较关键的问题是如何评价聚类结果如何，会用一些指标来评价。 ....
K-means&K-means2&K-means sklearn&DBSCAN-python代码实现-源码.zip
04-07
在机器学习领域，聚类是一种重要的无监督学习方法，它将数据集中的对象根据相似性划分到不同的组或簇。K-means算法及其变种K-means2，以及DBSCAN，都是聚类算法的代表。这里我们将深入探讨这些算法的概念、工作原理...
常用聚类算法K-means及其改进算法
chaichai1997的博客
04-14 2030
1.聚类算法 聚类算法是将大量数据以相似度为基础形成若干类，使类内之间的数据最为相似，类间的数据相似度差别尽可能的大，属于无监督学习。 2.K-means算法 2.1算法原理 K-means聚类算法以k为参数，把n个对象分为k个簇，以使簇内的具有较高的相似度，且簇间相似度低。 2.2 评价准则 E的计算为：，该式在一定程度上刻画了簇内样本相似度。 ...
k - means聚类分析算法
06-21
鸢尾花数据集是机器学习领域经典的数据集，包含三种不同种类的鸢尾花样本，每种鸢尾花有4个特征：萼片长度、萼片宽度、花瓣长度和花瓣宽度。在这个例子中，我们用k-均值算法尝试将这三种鸢尾花自动分类。 4. **...
5.K-means算法对高斯分布点分类.zip
08-23
K-means是一种广泛应用的无监督机器学习算法，主要用于数据聚类。在"5.K-means算法对高斯分布点分类"的项目中，我们重点研究了如何利用K-means对呈现高斯分布的数据点进行有效的分类。这个算法的基本思想是通过迭代...
Python学习---K-Means和MiniBatchKMeans簇算法比较
临风暖阳的博客
05-07 424
Comparison of the K-Means and MiniBatchKMeans clustering algorithms We want to compare the performance of the MiniBatchKMeans and KMeans: the MiniBatchKMeans is faster, but gives slightly different results (see Mini Batch K-Means). We will cluster a set o.
数据挖掘实战（4）——聚类（Kmeans、MiniBatchKmeans、DBSCAN、AgglomerativeClustering、MeanShift）
m0_46275020的博客
08-14 992
数据挖掘实战（4）——聚类（Kmeans、MiniBatchKmeans、DBSCAN、AgglomerativeClustering、Mean 聚类的评价指标兰德指数：计算真实标签与聚类标签两种分布相似性之间的相似性， 取值范围为[0,1]轮廓系数：是聚类效果好坏的一种评价方式。最早由 Peter J. Rousseeuw 在 1986 提出。它结合内聚度和分离度两种因素。可以用来在相同原始数据的基础上用来评价不同算法、或者算法不同运行方式对聚类结果所产生的影响。[-1,1]，轮廓系数越大，聚类效果越好。
【机器学习】在大数据上使用PySpark进行K-Means
fengdu78的博客
04-25 3327
作者 | Angel Das编译 | VK来源 | Towards Data Science如果你不熟悉K Means聚类，我建议你阅读下面的文章。本文主要研究数据并行和聚类，大数据上的K...
详解Kmeans的两大经典优化——mini-batch和Kmeans++
TechFlow的博客
03-25 1968
本文始发于个人公众号：TechFlow，原创不易，求个关注 今天是机器学习专题的第13篇文章，我们来看下Kmeans算法的优化。 在上一篇文章当中我们一起学习了Kmeans这个聚类算法，在算法的最后我们提出了一个问题：Kmeans算法虽然效果不错，但是每一次迭代都需要遍历全量的数据，一旦数据量过大，由于计算复杂度过大迭代的次数过多，会导致收敛速度非常慢。 想想看，如果我们是在面试当中遇到的这个问...
K-means原理、优化及应用
weixin_42029738的博客
08-23 9万+
　K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means++, 距离计算优化elkan K-Means算法和大数据情况下的优化Mini Batch K-Means算法。 1. K-Means原理初探 　　　　K-Me...
sklearn学习笔记（12）—— 聚类K-means
分享Python相关和编程相关。
04-23 534
K-means原理 K-means步骤 随机设置K个特征空间内的点作为初始的聚类中心 对去其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心作为标记类别 接着对着标记的聚类中心之后，重新计算出每个聚类的新中心点（平均值） 如果计算得出的新中心点与原中心点一样，那么结束，否则重新进行第二步过程 K-means性能评估指标 轮廓系数 计算公式： 注：对于每个点i为已聚类...
sklearn K-Means使用小结
lynn_001的博客
01-28 5万+
原文链接 \qquad本文我们就来讨论用sklearn来学习K-Means聚类。重点讲述如何选择合适的k值。 1、K-Means类概述 \qquad在sklearn中，包括两个K-Means的算法，一个是传统的K-Means算法，对应的类是KMeans。另一个是基于采样的Mini Batch K-Means算法，对应的类是MiniBatchKMeans。一般来说，使用K-Means的算法调参是比较...
利用sklearn实现kmeans和DBSCAN聚类算法
Happy祥子的博客
12-02 5312
利用sklearn实现kmeans和DBSCAN算法 1.数据说明： import pandas as pd import numpy as np import matplotlib.pyplot as plt # 导入相关的数据 beer = pd.read_csv('data/cluster_data.txt',sep=' ') print(beer) x = beer[['calorie...
sklearn使用k-means算法
05-09
是的，scikit-learn (sklearn) 是一个流行的 Python 机器学习库，其中包括了许多聚类算法，其中就包括 k-means 算法。下面是一个示例代码，可以用来在 sklearn 中使用 k-means 算法： ``` python from sklearn.cluster import KMeans import numpy as np #生成数据 data = np.random.rand(100, 2) #定义k，即聚类的数量 k = 3 #使用k-means算法进行聚类 kmeans = KMeans(n_clusters=k).fit(data) #获取聚类结果 labels = kmeans.labels_ #获取聚类中心 centers = kmeans.cluster_centers_ ``` 首先，我们导入了 `KMeans` 类，然后生成了一个随机的二维数据集。接着，我们定义了聚类的数量 `k`，并使用 `KMeans` 类初始化了一个 k-means 聚类器。最后，我们使用 `fit` 方法对数据进行聚类，并使用 `labels_` 属性获取了聚类的结果，并使用 `cluster_centers_` 属性获取了聚类中心。
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