Python3从0入门机器学习算法实战(人工智能必修课)
深度学习之神经网络核心算法与项目实战
Ada助手

...

实战：KMeans实现数据聚类（下）

企业官方账号

2023-01-13 02:52:37

课时名称	课时知识点
实战：KMeans实现数据聚类（下）	KMeans实现数据聚类

...全文

给本帖投票

163 2 打赏收藏转发到动态举报

写回复

模型选择与优化（下篇）>>

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

zerosleep 2022-02-06

打赏
举报

回复

老师，异常消费行为检测部分，画3D高斯分布概率密度函数图形时，为什么要用x1 = np.c_[xx.ravel()]改变xx的形状呢，直接用xx不是也可以计算高斯分布概率吗，而且这样最后就不用再对p进行reshape了

flare zhao 2022-02-07

举报

回复

@zerosleep <p>生成点状数据集，然后带入公式计算概率</p>

资料说明：包括数据+代码+文档+代码讲解。 1.项目背景 2.数据获取 3.数据预处理 4.探索性数据分析 5.特征工程 6.构建聚类模型 7.结论与展望

java实现的文本聚类使用了kmeans算法

【机器学习项目实战】Python实现聚类(Kmeans)分析客户分组资料说明：包括数据集+源代码+Word文档说明。资料内容包括： 1)问题定义； 2)数据收集； 3)数预处理； 4)探索性数据分析； 5)聚类模型； 6)聚类可视化； 7)实际应用。

跟着Leo机器学习实战：Kmeans聚类 Kmeans聚类优点：容易实现缺点：容易陷入局部最小值，在大规模数据收敛很慢。适用数据类型：数值型数据伪代码加载数据 from numpy import * def loadDataSet(fileName): #加载数据 dataMat = [] #assume last column is target value fr = open(fileName) for line in fr.readlines(): curLine = line.strip().s

实现基于Kmeans的商品价格聚类

赵辛的课程社区_NO_1

3

社区成员

116

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

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