《机器学习实战》(九)-- K-Means

本文是《机器学习实战》读书笔记的第九部分,主要探讨了K-Means聚类算法。介绍了NumPy库中的power()函数,讲解了不同参数组合下的使用效果,并解释了random.rand()生成0到1之间随机数的原理及其应用。此外,还推荐了一篇关于K-均值聚类算法的深入文章。
摘要由CSDN通过智能技术生成

绪言

我最近开始入门机器学习,使用的书是《机器学习实战》(Peter Harrington 著),为了巩固学习成果,决定写一系列日志,内容是总结性的,会做一些思维导图,写一些我学习时不懂的模块,函数语法等,但不涉及具体算法的实现(不具备教程性质)。
本文是系列日志的第九篇 – K-Means。

Xmind

在这里插入图片描述

模块语法

NumPy

power()

power(A,B)的效果是求A的B次方。

当A、B都是数字时,就是求A的B次方:

import numpy as np

array1 = 3
array2 = 2
print(np.power(array1, array2))

结果:

9

A是列表,B是数字时。如果是power(A,B)就是A列表中所有元素求B次方;power(B,A)是生成一个B的A中元素次方的len(A)列表。
举个栗子:

import numpy as np

array1 = np.array([1, 2, 3])
array2 = 2
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