技术栈
聚类算法
AI妈妈手把手
14 天前
人工智能
·
python
·
机器学习
·
kmeans
·
聚类算法
Kernel K-means:让K-means在非线性空间“大显身手”
大家好!欢迎来到我的CSDN技术分享博客😃。在之前的几篇博客中,我们深入探讨了多种K-means的优化算法,从基础的K-means算法,到Canopy + K-means算法、K-means++算法、二分K-means,再到ISODATA算法,每一种算法都有其独特的优势和适用场景。今天,我们要介绍一种更为强大的K-means优化算法——Kernel K-means,它能让K-means在非线性数据空间中也能发挥出色的性能👏。
AI妈妈手把手
15 天前
算法
·
机器学习
·
kmeans
·
聚类算法
·
技术分享
·
python实现
·
k-means++
K-means++:让K-means“聪明”地选择初始中心点
大家好!欢迎来到我的技术分享博客~ 👋 在前两篇博客中,我们深入探讨了经典的 K-means 算法 以及它的优化方案 Canopy + K-means。如果你还没有看过,强烈建议先回顾一下,因为今天的主题 K-means++ 和它们有着千丝万缕的联系哦!🔗
AI妈妈手把手
15 天前
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!🔗
橙子小哥的代码世界
4 个月前
人工智能
·
python
·
机器学习
·
kmeans
·
数据科学
·
聚类算法
·
肘部法
【机器学习】【KMeans聚类分析实战】用户分群聚类详解——SSE、CH 指数、SC全解析,实战电信客户分群案例
在实际数据分析中,聚类算法常用于客户分群、图像分割等场景。如何确定聚类数 k 是聚类分析中的关键问题之一。本文将以“用户分群”为例,展示如何通过 KMeans 聚类,利用 SSE(误差平方和,也称 Inertia)、Calinski-Harabasz 指数(CH Score)和 Silhouette Score(轮廓系数)来判断最佳的聚类数。你将看到三幅图表,每个图表都揭示了不同的聚类评价指标,帮助你综合判断哪一个 k 值最合理。
飞火流星02027
5 个月前
人工智能
·
算法
·
机器学习
·
聚类
·
聚类算法
聚类算法概念、分类、特点及应用场景【机器学习】【无监督学习】
机器学习聚类算法是一种无监督学习方法,旨在将数据集分割成不同的类或簇,使得同一簇内的数据对象相似性尽可能大,而不同簇之间的数据对象差异性也尽可能大。聚类算法广泛应用于新闻自动分组、用户分群、图像分割等领域。
CXDNW
1 年前
人工智能
·
笔记
·
机器学习
·
kmeans
·
sklearn
·
聚类算法
机器学习——聚类算法K-Means
目录一、初识聚类1. 认识聚类算法2. 聚类的流程3. 簇内误差平方和Inertia越小模型越好吗?二、KMeans介绍
小林打怪中
1 年前
人工智能
·
机器学习
·
模型评估
·
聚类算法
聚类算法(KMeans)模型评估方法(SSE、SC)及案例
将相似的样本自动归到一个类别中,不同的相似度计算方法,会得到不同的聚类结果,常用欧式距离法;聚类算法的目的是在没有先验知识的情况下,自动发现数据集中的内在结构和模式。是无监督学习算法
爱看书的小沐
2 年前
python
·
自然语言处理
·
kmeans
·
sklearn
·
聚类算法
·
nltk
·
k-means
【小沐学NLP】Python实现K-Means聚类算法(nltk、sklearn)
聚类是一种无监督学习任务,该算法基于数据的内部结构寻找观察样本的自然族群(即集群)。使用案例包括细分客户、新闻聚类、文章推荐等。 因为聚类是一种无监督学习(即数据没有标注),并且通常使用数据可视化评价结果。如果存在「正确的回答」(即在训练集中存在预标注的集群),那么分类算法可能更加合适。
沛沛老爹
2 年前
大数据
·
算法
·
决策树
·
朴素贝叶斯
·
聚类算法
·
k-means
·
层次聚类
玩转大数据15:常用的分类算法和聚类算法
分类算法和聚类算法是数据挖掘和机器学习中的两种常见方法。它们的主要区别在于处理数据的方式和目标。 分类算法是在已知类别标签的数据集上训练的,用于预测新的数据点的类别。聚类算法则是在没有任何类别标签的情况下,通过分析数据点之间的相似性或距离来将数据点分组。
hitrjj
2 年前
人工智能
·
计算机视觉
·
nerf
·
聚类算法
·
显著性
·
多模态模型
·
天气算法
【AI视野·今日CV 计算机视觉论文速览 第278期】Mon, 30 Oct 2023
AI视野·今日CS.CV 计算机视觉论文速览 Mon, 30 Oct 2023 Totally 50 papers 👉上期速览✈更多精彩请移步主页
飞翔的佩奇
2 年前
人工智能
·
算法
·
机器学习
·
聚类算法
机器学习中的 K-均值聚类算法及其优缺点
K-均值聚类算法是一种无监督学习算法,用于将数据分成K个不同的类别。该算法将每个数据点都视为一个向量,并通过计算各数据点之间的距离来确定它们所属的类别。具体地说,该算法的流程如下: