文章目录
KMeans聚类
图像分割
像素点分为不同的聚类（特征值相似度高的就是一堆聚类）
社交网络分析和推荐系统
依然是根据特征，不同对象不同的表达特征形式也不一样
具体流程
讲数据点分成K个不同的组，如果不知道K值，可以一个个尝试，效果最好的就是可以的K值
效果和作用
最终聚类完后可以判断新的数据是属于哪个组的，只需要通过判断其距离哪个聚类中心最近即可
机器学习-KMeans聚类
看星猩的柴狗2024-12-29 22:46
相关推荐
DQQzero8 分钟前
84.66% 的“实锤“是怎么来的：拆解模型指纹工具的闭集陷阱在所不辞兄20 小时前
为什么神经网络对对抗扰动和分布偏移往往比较脆弱，而人类感知相对更鲁棒？szxinmai主板定制专家21 小时前
储能 EMS、微网控制器选型：RK3588、RK3576、RK3568+FPGA 怎么选？多网、多 CAN、EMC 设计权衡鬼手点金1 天前
Harness 工程：模型之外的竞争力小姚也要变强1 天前
机器学习基本概念在所不辞兄1 天前
【神经网络干货】把指数级计算拆成四条一维路径：可分离 PI-DeepONet 如何破解高维 PDEroman_日积跬步-终至千里1 天前
【数据Agent论文·分析与报告评测｜27】ComInsight：原子洞察正确，组合后的结论就可靠吗？余槐i1 天前
近期技术热点：从异常现象到根因定位的完整排查Mister Leon1 天前
Nvidia Orin AGX实战之从量化到蒸馏：在 Orin 上落地的大模型压缩实战东方佑1 天前
用先验重构线性注意力：为什么它至少比普通线性注意力更接近标准注意力