文章目录 前言第12章 聚类12.1 聚类问题12.2 K-Means 聚类12.2.1 K-Means 聚类过程和原理12.2.2 K-Means 算法优化12.2.1 小结12.2.1 K-Means 应用实例 12.3 层次聚类12.3.1 层次聚类的过程和原理12.3.2 小结12.3.3 层次聚类应用实例 12.4 密度聚类12.4.1 密度聚类过程和原理12.4.2 小结12.4.3 密度聚类应用实例 12.5 谱聚类12.5.1 谱聚类过程和原理12.5.2 小结12.5.3 谱聚类应用实例 12.6 高斯混合聚类12.6.1 高斯混合聚类过程和原理12.6.2 EM算法12.3.3 小结12.6.3 GMM应用实例 前言 随着人工智能的不断发展,机器学习这门技术也越来越重要,本文介绍了机器学习的基础内容。本文的定位是快速学习入门并掌握机器学习相关的基础核心知识,降低学习成本,节约时间。目前的行情是:机器学习理论 + 业务能力(场景)/工作经验 + 工程实践能力(编码/算法) 第12章 聚类 12.1 聚类问题 12.2 K-Means 聚类 12.2.1 K-Means 聚类过程和原理 12.2.2 K-Means 算法优化 12.2.1 小结 12.2.1 K-Means 应用实例 12.3 层次聚类 12.3.1 层次聚类的过程和原理 12.3.2 小结 12.3.3 层次聚类应用实例 12.4 密度聚类 12.4.1 密度聚类过程和原理 12.4.2 小结 12.4.3 密度聚类应用实例 12.5 谱聚类 12.5.1 谱聚类过程和原理 12.5.2 小结 12.5.3 谱聚类应用实例 12.6 高斯混合聚类 12.6.1 高斯混合聚类过程和原理 12.6.2 EM算法 12.3.3 小结 12.6.3 GMM应用实例