聚类

用户点踩后怎么变成回归用例：请求快照、反馈聚类与复现率验收上线三个月，运营后台攒了一千多条点踩，研发的回归集只增加了 27 条。周会上产品问了一句“用户都点踩了，为什么测试还是绿的”，会议室安静了几秒。

FPGA信号处理

【模式识别】第五讲：核方法、支持向量回归与聚类上一讲最后留了一个思考：非线性怎么办。回答它之前，先把前两节过一遍。线性可分的情况，找的是间隔最大的分类面。从几何上看是两类样本中间最宽那条带子的中线。建模成二次规划，目标最小化权重的模，约束每个样本都被分对、还要留出间隔。90 年代讲这个模型，举的例子是一幅 1024×10241024\times10241024×1024 的图像，展开上百万维；那时候互联网还没起来，一个图像分类问题能有上千个样本就算大了。上千个样本、上百万个参数，原问题直接解不现实，于是转对偶。转过去之后未知数从权重变成乘子，个数跟样

机器学习之心

给地铁牵引系统做一次“体检“：灰色聚类 + 正态云模型的MATLAB完整实现发布信息卡一列地铁每天在线上跑十几个小时，受电弓磨得怎么样、牵引电机温度高不高，过去靠检修师傅的经验判断。经验可靠，但说不清两件事：这个系统到底处于哪一级健康状态，以及这个判断本身有多大把握。

手写 llms.txt 验证器：让 AI 更愿意引用你的网站（GEO）GEO（Generative Engine Optimization，生成式引擎优化）这两年火起来，核心目标是让 ChatGPT、Perplexity 这类 AI 在回答问题时更愿意引用你的内容。其中有个越来越被认可的入口，叫 llms.txt：一个放在网站根目录、专门给大模型看的说明文件。

阿特曼不打小怪兽

FFPE中的rds和h5ad聚类标签互相添加百创智造FFPE空间转录组上游分析，我们再聚类的时候选择了三种方法：Seurat聚类，Kmeans聚类，Graph-based聚类。其中seurat聚类得到的数据类型是RDS格式，存放在BSTViewer_project/cluster/level/seurat/L*/object.RDS，kmean和Graph-based聚类得到到数据类型是h5ad格式，存放在BSTViewer_project/cluster/level/kmeans_graph/L*/L*_clustered.h5ad

无监督学习：聚类与降维有监督学习有"标准答案"（标签），无监督学习没有——它要从数据自身结构中"发现"规律。本文覆盖两大无监督任务：聚类（把相似的样本分到一堆）和降维（把高维数据压到低维便于可视化与分析），全程配 sklearn / umap-learn 代码。

机器学习之其他聚类（层次聚类+DBSCAN算法）层次聚类与 DBSCAN算法解释无监督学习。层次聚类核心概念：层次聚类是一种无需预先指定簇数量的聚类方法。它通过逐步合并或分裂数据点，构建出一个层次化的聚类结构。

机器学习之K-means聚类K-means聚类属于无监督学习中最经典、最实用的迭代式聚类算法。无监督学习：不需要标签数据，算法**自主发现数据中的规律、相似性和差异性**（核心任务是聚类）。

卷毛迷你猪

快速实验篇（B16）用户级预测可行性审计（否定性意见）B15 把协同过滤放到推荐系统任务上，得到的是负结果：在 100 用户 × 20 品类、训练集完全密集、测试集接近全满的数据上，CF 不优于随机，这件事说明推荐系统在这份数据上没有施展空间。

Mobike 共享单车分析项目这个项目从单车骑行订单中分析用户的时间、距离与停放位置。核心目标是找出高频停车热点，为停车架、电子围栏、巡检和车辆调度提供数据依据。

卷毛迷你猪

快速实验篇（B12）异常流量与刷单识别（方法论演示）B12 的使命，从名字上看很直白：异常流量与刷单识别。这是电商风控里最刚需的一类分析：从一堆用户行为日志里，找出那些"看起来不太正常"的行为——比如同一个账号反复下单又取消、比如支付次数远高于下单次数、比如某个搜索词忽然被大量搜索。

卷毛迷你猪

快速实验篇（B11）用户 RFM 与聚类分群实战B11 的使命是做用户 RFM 与聚类分群，回答"高价值、潜力、流失用户是谁"。这是电商里最经典的一类用户运营分析。RFM 是 Recency、Frequency、Monetary 三个维度的缩写：

这张生成的图像能检测吗

（论文速读）AdaCluster：让视频 DiT 的稀疏注意力学会“区别对待”Q 和 K论文题目： AdaCluster: Adaptive Query-Key Clustering for Sparse Attention in Video Generation 中文翻译： AdaCluster：面向视频生成稀疏注意力的自适应 Query-Key 聚类会议： CVPR 2026 源码： https://github.com/USTC-MLSys-Team/Adacluster

多任务权重流形融合：SLERP 球形线性插值、DARE 稀疏剪枝与多专家模型融合落地专栏名称：《QNL-36：从量子张量网络到端侧异构认知大模型全栈实战》分卷归属：卷五·流形融合、DPO 对齐与量化感知微调（Volume V: Manifold Fusion, DPO Alignment & QAT）文档编号：QNL-36-VOL05-ART20 主笔专家：QNL-019 SLERP-MERGE（流形融合专家）· QNL-017 LORA-MANIFOLD（低秩流形架构专家）联署质检：QNL-031 VRAM-GUARD（显存守卫架构师）· QNL-008 DYNAMIC-GRAP

RAPTOR 树不是把文档简单分组：递归聚类的层级检索排行榜中的 RAPTOR 树选题把检索从平面候选提升到层级摘要。本文独立实现一个不依赖模型的向量聚类原型：先分配叶节点，再递归合并代表向量，查询时同时检查父摘要和子文档，说明停止条件、复杂度与摘要误差边界。

机器学习:聚类算法就重新找中心点涉及点小学算法，别的没了题目:误差平方和 sse (the sum of squares due to error) 这是所有簇的各自簇内所有样本到各自质心的误差平方和

拓海SEO外贸

关键词聚类（Keyword Clustering）怎么做聚类前是一堆散乱关键词，聚类后收拢成几个主题页很多人做 SEO，一拿到关键词列表就慌。几百、几千个词摆在那，一个个写页面？写到猴年马月。

啥都想学点的研究生

一篇文章讲清楚：K-Means聚类算法通过这篇文章，我们需要知道什么是聚类，了解聚类算法的应用场景，知道聚类算法的分类，了解Kmeans算法的API，动手实践Kmeans算法，能掌握K-means聚类的实现步骤，了解 SSE 聚类评估指标，了解 SC 聚类评估指标，了解 CH 聚类评估指标，了解肘方法的作用；能使用聚类算法完成客户案例分析，知道怎么求最佳K值。

openclaw（安装及其配置）༺ 个人主页 · 纪念229 ༻🏠我的博客主页🏠༒专栏目录：《数据结构》༒༒专栏目录：《算法》༒༒专栏目录：《MySQL数据库》༒

单细胞数据分析--多数据整合harmony聚类