zoukankan      html  css  js  c++  java
  • 第一周<单元一聚类>

    K-means 聚类算法###

    初始随机选择
    而后不断更新

    kmeans 应用 省份归类#####

    调用kmeans方法所需要的参数

    • n_clusters 指定的聚类中心
    • init 初始聚类中心的初始化方法 默认k-means++
    • max_iter 最大的次数 默认300
    • data 数据
    • label 聚类后所属的标签
    • fit_predict() 计算簇中心以及为其选取序号
    扩展改进######

    可以自己改测量方法。。
    更改源码
    推荐 scipy.spatial.distance.cdist

    DBSCAN 密度聚类 聚类算法###

    这是一种基于密度的聚类算法
    将数据点分为三类

    1. 核心点:再半径Eps内含有超过MinPts 的点
    2. 边界点:在半径Eps内点的数量小于MinPts,但是落在核心点的邻域内
    3. 噪音点:其他的点
    算法流程#####
    1. 将所有点标记为三类点
    2. 删除噪声点
    3. 为距离在Eps之内的所有核心点之间连一条边
    4. 每组连同的哪一个核心点形成一个簇
    5. 将每个边界点指派到一个与之相关的核心点的簇中(哪一个核心点的半径范围之内)
    算法参数#####
    • eps
    • min_samples 簇的样本数?
    • metric 距离计算方法 edulidean
  • 相关阅读:
    第十五周作业
    十三周作业
    第十三周上机作业
    第十二周作业
    第十二周作业
    第十一周作业
    第十一周上机作业
    第十次上机作业
    第九周上机作业
    安卓第一周
  • 原文地址:https://www.cnblogs.com/sfzyk/p/6868556.html
Copyright © 2011-2022 走看看