机器学习-聚类算法（无监督算法）

最新推荐文章于 2025-03-05 08:00:00 发布
最新推荐文章于 2025-03-05 08:00:00 发布
阅读量1.1k 收藏 17
点赞数 34
文章标签： 机器学习 算法 聚类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/2301_77836489/article/details/138889511
版权
最低0.47元/天 解锁文章
节昊文
关注
聚类算法(无监督学习)
冲出仁川，走出马德里，故事还会再继续
06-18 3576
  聚类就是把数据对象集合按照相似性划分成多个子集的过程(如下图)。其中，每个子集称为一个簇。聚类不仅要使簇中的对象彼此相似，而且要与其他簇中的对象相似。聚类是无监督学习，数据不需要类标号(标注)信息。  分类是有监督学习，即每个训练样本的数据对象已经有类标签，通过有标签样本学习分类器。  聚类是无监督学习，即不使用训练数据进行学习，通过观察学习将数据集分割成多个簇。划分方法是指讲有n个对象的数据集D划分成k(k............
无监督学习——聚类算法（Unsupervised learning-clustering）通俗讲解
物是人非事事休 欲语泪湿春衫袖
06-04 1万+
        接触过机器学习（Machine learning）的看官都应该知道机器学习分为监督学习（supervised learning）和无监督学习(unsupervised learning)。通俗的来讲，监督学习是我们提供大量数据，并且这些数据都有其对应的具体标签（或具体的准确值、实际特征对应值），也就是算法中的y，例如：训练集{X,Y}。然后由我们利用回归算法或分类算法对数据进行训练...
聚类算法（无监督算法）
热门推荐
笨拙的石头的博客
04-10 2万+
一、聚类算法简介    聚类的基本思想：对于给定的M个样本的数据集，给定聚类（簇）的个数K（K<M），初始化每个样本所属的类别，再根据一定的规则不断地迭代并重新划分数据集的类别（改变样本与簇的类别关系），使得每一次的划分都比上一次的划分要好。    聚类是一种无监督的算法。    距离的常用度量方法：欧氏距离（P=2）二、聚类算法分类    聚类算法有很多种，主要分为划分聚类、密度聚类和谱聚...
无监督学习--聚类算法
一位在路上的工程师的博客
09-21 6274
聚类算法是一种无监督学习算法,监督学习指的是我们的训练数据有一系列标签,我们通过假设函数去拟合它,而在无监督学习中，我们的数据不带有任何标签
全面解析机器学习中无监督学习算法：原理、优缺点及应用
最新发布
Tekin 是深耕技术 20 年的全栈实战派专家，精通 Go/Python/Java 等多语言开发。博客专注技术原理与实战结合，深度解析 Python 高阶编程、Go 语言架构、数据库优化等硬核内容。涵盖并发编程、机器学习、云原生等前沿领域，通过真实案例拆
03-05 1199
本文深入探讨机器学习中的无监督学习算法。开篇介绍 K-Means、PCA、DBSCAN 等基础算法，阐释其原理，像 K-Means 如何迭代确定聚类中心，PCA 怎样通过线性变换降维等。接着阐述各算法优缺点，例如 K-Means 简单高效但依赖初始值，DBSCAN 能发现任意形状簇却对密度变化敏感。还列举大量应用场景，如在图像分割、地理信息分析、客户细分等领域的实际运用。此外，文章进一步拓展到层次聚类、自编码器等进阶算法，为读者全面且深入地呈现无监督学习算法体系，助力理解与应用。
无监督聚类算法
08-03
利于了解并学习的无监督聚类算法的有用文档教程
【机器学习（六）】聚类算法一篇就够。无监督聚类算法：层次聚类、Kmeans聚类、模糊聚类（FCM/模糊Cmeans），从原理、案例和代码详细讲解。
qq_39709813的博客
06-25 2万+
聚类
机器学习-聚类算法-推荐系统
09-14
机器学习领域中的聚类算法是一种无监督学习方法，主要用于将数据集中的样本点分成多个组或簇，使得同一个簇内的样本彼此相似度高，而不同簇内的样本相似度低。聚类算法的应用非常广泛，尤其在推荐系统中，它能够帮助...
机器学习-聚类算法1
08-03
在机器学习领域，聚类分析作为一种无监督学习方法，广泛应用于数据挖掘、图像识别、市场细分、社交网络分析等多个领域。聚类算法的核心在于将数据集中的样本根据其特征属性划分为多个类别，以确保同一类别内的样本...
机器学习五-聚类算法K-means
09-01
K-means聚类算法是一种典型的无监督学习算法，主要用于数据挖掘、模式识别以及图像处理等领域的数据聚类。其基本原理是将数据集划分为K个簇，并使得每个数据点到其所属簇中心的距离之和最小。K-means算法通过迭代...
机器学习大作业-机器学习分类-回归-聚类算法项目源码（共八次高分作业项目）.zip
07-12
机器学习大作业-机器学习分类-回归-聚类算法项目源码（共八次高分作业项目）.zip 已获老师指导并通过的高分大作业设计项目，可作为期末大作业和课程设计，纯手打高分项目，小白实战没难度。 机器学习大作业-机器...
聚类算法（无监督学习）
鲨鱼儿的博客
04-01 1万+
一、聚类的基本知识 1、基本概念 1、聚类算法的类型：无监督学习 2、聚类的概念：对于大量未知标签的数据集，根据数据的特征属性X划分为不同的类别（蔟），类别（蔟）内数据相似度高，类别 间的相似度较小。 3、聚类样本的相似度：样本项之间的相似度，有时候也称为样本间的距离。 4、聚类算法与分类算法的区别： • 分类算法是有监督学习，基于有标注的历史数据进行算法模型构建 •...
AI算法工程师 | 07机器学习-无监督学习（一）聚类系列算法
ThisAmy的博客
09-28 1873
本阶段将开启无监督机器学习的旅程。对于无监督机器学习问题，主要有两种：聚类、降维。本文将针对 K-Means 聚类、层次聚类、密度聚类以及谱聚类展开介绍。
无监督学习之聚类方法（K-Means、层次聚类）
Monica_428的博客
05-22 3733
一、导入 无监督学习中需要对无标记样本进行训练学习进而找到数据的内在性质和逻辑结构，聚类方法是为了为无监督学习的数据分析提供的基础学习方法。 聚类将数据集划分为若干个子集（每个子集称为类或者簇），如果一个样本只属于一个类（簇）则是硬聚类，如果某一个样本属于多个类那么就是软聚类。 二、评价指标 1、性能度量 确定了性能度量以后，可以直接将其作为聚类过程的优化目标，可以分为以下两类 外部指标 说明：需要有参考模型作为比较对象 对数据集D={X1, X2,…Xm}通过聚类得到的簇分类是C={c1, c2 …ck}
经典算法笔记：无监督算法（聚类、降维）
湾区人工智能
12-25 1536
本文是吴恩达老师的机器学习课程[1]的笔记和代码复现部分（聚类、降维）。作者：黄海广[2]备注：笔记和作业（含数据、原始作业文件）、视频都在github[3]中下载。我将陆续将课程笔记和...
无监督学习之聚类
ydl1128的博客
10-30 2062
聚类在机器学习中是一个非常重要的工具，能够帮助我们理解数据、改善数据质量、提供个性化服务以及识别潜在问题。无论是在商业、科学还是工程领域，聚类都有着广泛的应用。通过合理的聚类分析，可以为决策提供有力的支持。无监督学习：在没有标签数据的情况下，聚类算法可以自动发现数据中的模式。特征发现：聚类可以帮助识别数据中的重要特征，这些特征可能对后续的监督学习任务有帮助。数据压缩：通过聚类，可以用少量的聚类中心来表示大量的数据点，从而实现数据压缩。决策支持。
sklearn实战-----6.聚类算法K-Means
zjmy的博客
06-16 3027
1 概述 1.1 无监督学习与聚类算法 在过去的五周之内，我们学习了决策树，随机森林，逻辑回归，他们虽然有着不同的功能，但却都属于“有监督学习”的一部分，即是说，模型在训练的时候，即需要特征矩阵X，也需要真实标签y。机器学习当中，还有相当一部分算法属于“无监督学习”，无监督的算法在训练的时候只需要特征矩阵X，不需要标签。我们曾经学过的PCA降维算法就是无监督学习中的一种，聚类算法，也是无监督学习的代表算法之一。 聚类算法又叫做“无监督分类”，其目的是将数据划分成有意义或有用的组（或簇）。这种划分可以基于我们
无监督学习——聚类
qq_31425127的博客
07-30 2804
1、基本概念理解 无监督学习——通过无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础。 聚类——将数据集中的样本划分为若干个不相干的子集，每个子集称为一个“簇”，即类别。需要说明的是，聚类之前并不知道数据是属于哪一类的，我们就是要通过聚类来找出有哪些类别并把这些数据归类。 2、聚类的两个基本问题 2.1 性能度量 性能度量亦称有效性指标，一方面，我们需要通...
十大机器学习算法（三）—— 无监督 聚类算法 KMeans
AwesomeDong的博客
09-03 2866
KMeans KMeans属于无监督（即无标签）聚类算法，在不知道数据没有具体的划分标准时，通过物以类聚的方法，将相似数据放在一起。 一、源码流程 （一）首先随机生成一堆数据 [x,y][x,y][x,y]，尝试将这些数据进行聚类 import random import matplotlib.pyplot as plt points_num = 100 random_x = [random.randint(-100, 100) for _ in range(points_num)] random_y =
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值