zhouzhuo_CSUFT的博客

0 写在前面（数据集和源代码）本文章涉及到的数据集合所有代码均上传在此处：https://download.csdn.net/download/zhouzhuo_csuft/10494273；点击此处直接打开链接；一共有四个代码文件，分别是Kmeans、Kmeans++、Birch和KNN算法，四个算法对同一个数据集聚类分析进行对比试验。（本代码是本人自己书写，全部可用！）1 引言近年来，机器学习...

TF-IDF是一种文本词频（文本特征提取）统计算法概念：词频（TF）：一个词语在文本中出现的频率；文本总数（D）：所搜集的所有文本数；含关键字文本数（Dw）：含有某个词（关键字）的文本数目；公式：情景假设：现搜集了D个文件，要分析某文件某关键词w的TF-IDF词频TF(w)=某词w在所有文件中出现的次数/该文件的总词数含有w词的文本共有Dw个，则IDF(w)=log(D/Dw+1...

是一个可扩展的H2O机器学习算法平台，它与Spark的功能相结合。 它允许用户将使用Scala / R / Python语言来调用它。在安装它时需要注意版本与spark版本一致，由于本人的spark平台为2.3版本，即对应安装2.3版的Sparkling Water安装步骤如下：1、下载Spark_H2O安装包sparkling-water-2.3.284_nightly.zip（下载地址...