zoukankan
html css js c++ java
K-means算法
K-means 聚类算法
无监督问题,我们手里没有标签
聚类:相似的东西分到一组
难点:如何评估,如何调参
基本概念
要得到簇的个数,需要制定K值
质心:均值,各个维度取平均即可
距离的度量:常用的欧几里得距离或者与余弦相似度(先标准化)
优化目标:一共有多少个簇,让每一个样本到簇中心点的距离越小越好
K-means算法
优势
简单,快速,适合常规数据集
劣势
K值很难确定
复杂度和样本呈线性关系
很难发现任意形状的簇
使用k-means对数据进行压缩
查看全文
相关阅读:
[JavaScript]编写一份会动的简历
Vue.js 创建一个 CNODE 社区(1)
hdu 2051
hdu 2050
hdu 2048
赫夫曼编码
R语言的学习(四)
R语言的学习(三)
R语言的学习(二)
R语言的学习(一)
原文地址:https://www.cnblogs.com/jly1/p/13097737.html
最新文章
Hibernate4.3.5入门HelloWorld
模块操作
函数习题整理
迭代器
将列表转为字典
装饰器,生成器
递归
函数
字符编码转换
Java8InAction_Chapter02
热门文章
EL表达式
Mysql隔离级(转)
数据库复习(函数依赖)(转)
数据库复习(关系代数)(转)
数据库复习(概论)(转)
数据库管理(事务、ACID、并发、封锁、可串行化、隔离)(转)
模式分解---无损连接性的判断方法(转)
[HTTP] 高级基础知识整理
Vue.js 创建一个 CNODE 社区(3)
[JavaScript]生成一只皮卡丘
Copyright © 2011-2022 走看看