社区
数据运维
帖子详情
请教kmeans算法实现逻辑?在线求,分数不多了。
hnuyz
2018-12-13 10:55:34
/**
* kmeans聚类算法
*
* @param des1
* 输入向量
* @param cluster
* 聚类数量
* @return
*/
public List<Integer> kMeans(List<double[]> des1, int cluster) {
}
...全文
616
1
打赏
收藏
请教kmeans算法实现逻辑?在线求,分数不多了。
/** * kmeans聚类算法 * * @param des1 * 输入向量 * @param cluster * 聚类数量 * @return */ public List kMeans(List des1, int cluster) { }
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
1 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
aabbabababaa
2019-02-08
打赏
举报
回复
没用过kmeans算法,来学习下
无监督
KMeans
聚类
算法
给定消费数据集RFM.csv,通过对不同k值的聚类性能评估指标来进行对比,选择最佳的客户群
分数
目k,为后续的客户群分及营销策略制订打下基础。:聚类中心的初始化方法,有k-means++,random等等,默认值为k-means++fit(X) :在样本X上训练模型计算,计算完后配合labels_属性得到各个簇的标签。fit_predict(X) :在样本X上训练模型计算,并返回样本X的簇标签。3)训练集只有输入没有输出是无监督,包括所有的聚类和降维
算法
,3)对每个簇,计算所有点的均值作为新的聚类中心。
KMeans
算法
实战:从原理到Python
实现
的全方位解析
本文全面解析
KMeans
算法
,从原理到Python
实现
,涵盖电商用户分群、图像压缩等实战应用。通过详细讲解
算法
核心思想、目标函数SSE、初始化技巧及迭代优化步骤,帮助读者掌握这一机器学习中的经典聚类方法。文章还提供了完整的Python代码
实现
和高级优化技巧,适合数据分析和机器学习从业者学习参考。
聚类
算法
从入门到实战:
KMeans
、DBSCAN与层次聚类选型指南
无监督学习不依赖标签,通过相似度度量让数据自己呈现结构,聚类正是其中核心方法。从
KMeans
的原型迭代到层次聚类的树状合并,再到DBSCAN的密度相连,不同
算法
对应不同数据形态与业务目标。在用户分群、异常检测、数据压缩等场景中,聚类往往是精细化运营与特征工程的前置步骤。实践中需掌握标准化、降维等预处理技巧,并利用手肘法和轮廓系数确定簇数。进一步可探索层次聚类python
实现
与谱聚类对非凸结构的处理能力,为复杂业务提供更稳健的分群方案。
机器学习练手(二):基于
KMeans
的股票分类
KMeans
在确定分类个数计算时,无法使用object类型的数据,应当提前删除或对特征进行one-hot处理。
GMM与
KMeans
深度对比:原理、代码
实现
及调参实战指南
聚类分析是无监督学习中最基础也最常用的技术之一,传统
KMeans
算法
因简单高效而广受欢迎,但其基于欧氏距离的球形簇假设,在面对异方差、重叠或细长分布的数据时往往力不从心。高斯混合模型(GMM)则通过多个高斯分布的组合对数据生成过程进行建模,不仅支持软分类,还能输出每个样本属于各簇的概率,显著增强了对复杂结构的适应性和可解释性。EM
算法
作为GMM核心的参数估计方法,通过E步与M步的交替迭代,在隐变量存在的情况下稳定逼近最优解。GMM不仅能用于聚类,还能进行密度估计、生成新样本以及异常检测,在图像分割、金融风控
数据运维
1,097
社区成员
969
社区内容
发帖
与我相关
我的任务
数据运维
云计算服务器、网络、虚拟化相关讨论
复制链接
扫一扫
分享
社区描述
云计算服务器、网络、虚拟化相关讨论
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章