Stanford 机器学习 Week8 作业:K-means Clustering and Principal Component Analysis

本文深入探讨了机器学习算法在数据挖掘领域的应用,包括聚类分析、分类和回归、深度学习等,展示了如何利用这些算法进行关联规则挖掘、时间序列分析和异常检测,以实现数据的有效洞察。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

FindClosestCentroids

for i = 1:size(X,1)
    dis = sum((centroids - X(i,:)) .^ 2, 2);
    [t, idx(i)] = min(dis);
end

ComputeCentroids

for i = 1:K
    id = find(idx == i);
    tot = X(id,:);
    centroids(i,:) = mean(tot);
end

RandomInitialization


id = randperm(size(X,1));
id = id(1:K);
centroids = X(id);

PCA

sigma = 1/m * X' * X;
[U,S,V] = svd(sigma);

ProjectionData(PCA)

Z = X * U(:,1:K);

RecoverData(PCA)

X_rec = Z * U(:,1:K)'
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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