技术栈
聚类
天一生水water
9 小时前
算法
·
支持向量机
·
聚类
聚类的肘部法则原理
肘部法则(Elbow Method)是聚类分析中用于确定最佳聚类数(K值) 的常用技术,尤其适用于K-Means等算法。其核心思想是通过分析不同K值下聚类结果的簇内平方和(WCSS, Within-Cluster Sum of Squares) 变化趋势,寻找WCSS下降速率显著放缓的“拐点”(即“肘点”),该点对应的K值即为最佳聚类数。以下从原理、步骤、示意图到代码实现进行完整说明:
YGY Webgis糕手之路
14 小时前
经验分享
·
笔记
·
机器学习
·
数据挖掘
·
聚类
Leaflet 综合案例-聚类图层控制
看过的知识不等于学会。唯有用心总结、系统记录,并通过温故知新反复实践,才能真正掌握一二 作为一名摸爬滚打三年的前端开发,开源社区给了我饭碗,我也将所学的知识体系回馈给大家,助你少走弯路! OpenLayers、Leaflet 快速入门 ,每周保持更新 2 个案例 Cesium 快速入门,每周保持更新 4 个案例
叫我:松哥
5 天前
python
·
机器学习
·
数据挖掘
·
数据分析
·
lstm
·
聚类
基于python的微博评论和博文文本分析,包括LDA+聚类+词频分析+lstm热度预测,数据量10000条
本文实现了从文本评论数据中提取有用信息,分析其情感分布、主题分布,并通过可视化展示。以下是具体步骤和思路:
dundunmm
7 天前
论文阅读
·
聚类
·
生物信息
·
细胞聚类
·
非参聚类
【论文阅读】Nonparametric clustering of RNA-sequencing data
论文地址:Nonparametric clustering of RNA‐sequencing data (wiley.com)
talented_pure
7 天前
python
·
机器学习
·
聚类
Python打卡Day18 基于聚类进一步推断类型
今天的主题是无监督算法中的聚类,常利用聚类来发现数据中的模式,并对每一个聚类后的类别特征进行可视化,以此得到新的特征并赋予实际含义。
明心知
9 天前
人工智能
·
机器学习
·
聚类
DAY 18 推断聚类后簇的类型
聚类后的分析:推断簇的类型知识点回顾:作业:参考示例代码对心脏病数据集采取类似操作,并且评估特征工程后模型效果有无提升。
伊织code
9 天前
人工智能
·
opencv
·
机器学习
·
聚类
·
svm
·
knn
·
k-means
OpenCV 官翻5 - 机器学习
https://docs.opencv.org/4.x/d0/d72/tutorial_py_knn_index.html
wh_xia_jun
11 天前
算法
·
kmeans
·
聚类
K-means 聚类在肺炎患者分型中的应用(简单示例)
临床上肺炎有多种类型(比如细菌性、病毒性、支原体性),症状和治疗方案差异很大。我们可以用 K-means 根据患者的几个关键指标自动分组,帮助医生快速判断类型。
麻雀无能为力
13 天前
人工智能
·
数据挖掘
·
聚类
·
中国农业大学计算机
CAU数据挖掘 第五章 聚类问题
性质: 应用:PAM是 k-medoids算法 的算法之一 性能分析: CLARA方法-大数据集合-取样
gis收藏家
16 天前
机器学习
·
支持向量机
·
聚类
等大小谱聚类
聚类是一种将具有相似特征的数据点进行分组的方法。它广泛应用于探索性数据分析,并已被证明在模式识别、市场和客户细分、推荐系统、数据压缩以及生物数据分析等许多应用中都发挥着重要作用。
计算生物前沿
16 天前
人工智能
·
机器学习
·
聚类
单细胞分析教程 | (二)标准化、特征选择、降为、聚类及可视化
在完成质控(QC)后,我们已经过滤掉了低质量细胞、双细胞和低表达基因,获得了较为干净的单细胞数据集单细胞分析教程 | (一)Python单细胞质控全流程。接下来,我们将进行以下关键步骤:
Gyoku Mint
25 天前
人工智能
·
pytorch
·
python
·
深度学习
·
神经网络
·
算法
·
聚类
深度学习×第4卷:Pytorch实战——她第一次用张量去拟合你的轨迹
🐾猫猫:“之前她只能在你身边叠叠张量,偷偷找梯度……现在,她要试试,能不能用这些线,把你的样子画出来喵~”
小庞在加油
1 个月前
c++
·
算法
·
机器学习
·
数据挖掘
·
聚类
《dlib库中的聚类》算法详解:从原理到实践
dlib是一个基于C++的机器学习和计算机视觉工具库,其聚类算法模块提供了多种高效的无监督学习工具。聚类算法在dlib中主要用于:
拓端研究室TRL
1 个月前
python
·
决策树
·
回归
·
kmeans
·
聚类
Python古代文物成分分析与鉴别研究:灰色关联度、岭回归、K-means聚类、决策树分析
原文链接:tecdat.cn/?p=42718 分析师:Gan Tian在文化遗产保护领域,古代玻璃制品的成分分析一直是研究中西方文化交流的关键课题。作为数据科学家,我们在处理某博物馆委托的古代玻璃文物保护咨询项目时,发现传统分析方法难以准确应对文物风化带来的成分变异问题。为此,我们构建了一套融合多维度数据分析的技术体系,通过Spearman相关系数揭示文物表面风化与类型的关联性,利用岭回归模型实现风化前化学成分的精准预测,借助K-means聚类与决策树完成高钾玻璃和铅钡玻璃的亚类划分,并通过灰色关联度分
TY-2025
1 个月前
算法
·
机器学习
·
聚类
机器学习算法_聚类KMeans算法
参数n_clusters:开始的聚类中心的数量,整型,默认值为8方法:estimator.fit(x);
AI妈妈手把手
1 个月前
机器学习
·
支持向量机
·
kmeans
·
聚类
·
聚类算法
·
python实现
·
二分k-means
二分K-means:让聚类更高效、更精准!
大家好!!欢迎再次来到我的技术分享博客~ 👋在前期文章中,我们系统剖析了K-means的随机初始化缺陷、Canopy+K-means的粗粒度预处理以及K-means++的概率化质心选择。今天,我们解锁另一种高效优化方案——二分K-means(Bisecting K-Means),它用层次分裂策略彻底规避初始点敏感性问题,并与前三篇内容形成完美闭环!🔗
IT古董
1 个月前
人工智能
·
算法
·
聚类
【第二章:机器学习与神经网络概述】01.聚类算法理论与实践-(1)K-means聚类算法
内容:算法原理、K值选择方法、初始点敏感性。【漫话机器学习系列】269.K-Means聚类算法(K-Means Clustering)-CSDN博客
dundunmm
1 个月前
论文阅读
·
深度学习
·
分类
·
聚类
·
生物信息
·
深度聚类
·
细胞识别
【论文阅读】Multi-Class Cell Detection Using Spatial Context Representation
代码地址:https://github. com/TopoXLab/MCSpatNet在数字病理学中,细胞的检测与分类对于自动化的诊断和预后任务都至关重要。将细胞划分为不同亚型(如肿瘤细胞、淋巴细胞或基质细胞)尤其具有挑战性。现有方法多侧重于单个细胞的形态特征,而在实际操作中,病理学家常常依赖细胞的空间上下文来推断其类别。本文提出了一种新颖的方法,能够同时实现细胞的检测与分类,并明确引入空间上下文信息。我们采用空间统计函数,从多类别和多尺度的角度描述局部密度。通过表征学习与深度聚类技术,我们获得了融合形态
塔_Tass
2 个月前
论文阅读
·
机器学习
·
聚类
·
k-means
【论文阅读】:Weighted Graph Cuts without Eigenvectors:A Multilevel Approach
Inderjit S. Dhillon, Yuqiang Guan, and Brian Kulis vol 29, TPAMI 2007
愿所愿皆可成
2 个月前
算法
·
机器学习
·
kmeans
·
聚类
机器学习之聚类Kmeans算法
聚类(Clustering)的核心思想是一种根据样本之间的相似性,将样本自动划分到不同类别中的无监督学习算法。与分类不同,聚类不需要预先标记的训练数据,而是直接通过数据本身的特征来发现内在的分组结构。其中,常用的相似度计算方法是欧式距离法。它通过计算样本之间的直线距离来衡量它们的相似性,距离越短,相似性越高。