《机器学习》--周志华 （第九章学习笔记）

最新推荐文章于 2025-02-18 23:37:34 发布
最新推荐文章于 2025-02-18 23:37:34 发布
阅读量1k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 机器学习 文章标签： 机器学习 性能 结构
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/Cristal_yin/article/details/76360334

聚类

聚类任务

目标：将数据样本划分为若干个通常不相交的“簇”

聚类任务既可以作为一个单独过程（用于找寻数据内在的分布结构）

也可以作为分类等其他学习任务的前驱过程。

性能度量

聚类性能度量，亦称聚类“有效性指标”

  • 外部指标

    将聚类结果与某个“参考模型”进行比较

  • 内部指标

    直接考察聚类结果而不用任何参考模型

距离计算

距离度量需满足的基本性质

  • 常见聚类方法
    • 原型聚类
    • 原型聚类
      • 亦称“基于原型的聚类”
最低0.47元/天 解锁文章

200万优质内容无限畅学
周志华机器学习西瓜书 第八章 集成学习-学习笔记(超详细)
Sodas的博客
03-01 295
举个例子：假如集成学习器有9个个体，求的是集成学习错误率，即预测失败的概率。即在训练过程中每一轮中，根据样本分布为每个训练样本重新赋予一个权重，对无法接收带权样本的基学习算法，则可通过“重采样法”来处理，即在每一轮学习中，根据样本分布对训练集重新进行采样，再用重采样而得的样本集对基学习器进行训练。随机森林的训练效率常优于Bagging，因此在个体决策树的构建过程中，Bagging使用的是“确定型”决策树，在选择划分属性时要对结点所有的属性进行考察，而随机森林使用的“随机型”决策树则只需考察一个属性子集。
周志华机器学习西瓜书 第七章 贝叶斯分类器-学习笔记(超详细)
最新发布
Sodas的博客
02-26 1052
缺点也是显然的：如果数据量较大，拉普拉斯修正可能会引入过多的平滑，导致概率估计不够准确、对于某些特定问题，可能需要调整平滑参数（如加的常数不一定是1）、而且拉普拉斯修正实际上是假定了属性与类别的均匀分布，这是额外引入的偏差，因为本身可能本身不是均匀的，所以这个要注意，实际问题是否是均匀的，若是不均匀可以调整所加的常数，调整偏差。是主观的，只是随着新证据的发现去不断的更新对概率的"信念值"。"，即频率 主义认为概率是"事件"，在大量重复性实验中所发生的频率，就会逼近真实的概率，涉及到极限的概念，是客观的。
周志华 《机器学习》之 第九章（聚类）概念总结
不系之舟的专栏-QQ讨论群331590339
08-26 2394
记得在读研期间，去选修数据挖掘与数据仓库这门课，当时老师讲的很多的一个知识点，那就是聚类分析，然后老师讲了很多什么关联分析等等，很多都忘记了，当时也是听得云里雾里的。看完周老师在机器学习这本书中提到的聚类，大概理解了聚类能做什么，能解决什么样的问题。周老师在数据介绍了多种聚类算法。聚类可以说是一种无监督的学习，也就是说在训练样本中对应的标记信息是没有的，目标是通过对无标记训练样本的学习来揭示数据内在
《机器学习》-周志华 第九章：聚类 读书笔记
虎哥的铲屎员
06-17 1415
文章目录9.聚类（clustering）9.1 聚类简介9.2 距离计算“距离度量”的基本性质不同属性的距离计算有序属性的距离表示无序属性的距离VDM(value difference metric)混合属性聚类中距离的使用9.3 k-means9.3.1k-means算法9.3.2 k-means++(改进算法)9.3.3 elkan k-means（改进算法）9.3.4 miniBatch k...
【读书笔记】【机器学习实战】第九章：TensorFlow
MJ_Lee的博客
03-27 551
阅读书籍为《Hands-On Machine Learning with Scikit-Learn & TensorFlow》王静源等翻译的中文译版《机器学习实战，基于 Scikit-Learn 和 TensorFlow》,本文中所有图片均来自于书籍相关部分截图。 文章目录TensorFlow是什么鬼如何使用TensorFlow用加州的房价数据集实现一个线性回归实现一个梯度下降手工实现自动...
机器学习-周志华》读书笔记-第9章 聚类
babi_qq的博客
03-11 3958
《机器学习-周志华》读书笔记-第9章 聚类聚类简介K均值算法 聚类简介 当所给数据记录没有类别标签时而又想通过对样本的观察与训练得到分类标签与模型时，需要用到聚类模型。 将分成的一类一类称为“簇” 聚类目标： 簇内相似度高而簇间相似度低 聚类问题涉及到的两个基本问题是：1、性能度量 2、距离计算 1、性能度量，衡量模型泛化能力的指标（可类比正常模型的目标函数） 1-1 外部指标：将本模型...
机器学习（周志华）读书笔记---第9章 聚类
铭宇要做后台攻城狮
06-05 959
9.1 聚类任务 9.1 聚类任务 聚类试图将数据集中的样本划分为若干个通常是不相交的子集 聚类既能作为一个单独的过程，用于寻找数据内在的分布结构，也可作为分类等其他学习任务的前驱过程。 基本思想：给定一个有N个对象的数据集，划分聚类技术将构造数据的K个划分，每一个划分代表一个蔟，K小于等于n，对于给定的k，算法首先给出一个初始的划分方法，以后通过反复迭代的方法改变划分，使得每一次改进之后...
《机器学习》周志华西瓜书笔记
flashdesigner的博客
09-09 1909
导数（Derivative）是微积分中的一个核心概念，它描述了函数在某一点附近的变化率。具体来说，对于函数y=f(x)，在点x0处的导数定义为：这里，Δx是一个很小的增量，它表示x从x0​变化到x0​+Δx时，函数值f(x)的变化量与Δx之比的极限。如果这个极限存在，那么我们就说函数f(x)在点x0​处是可导的，并且称这个极限值为函数在点x0​处的导数，记作或，有时也简记为y′ 或 ​（当不特别指明x0​时）。导数的几何意义是函数图像在点x0。
周志华机器学习西瓜书 第六章 支持向量机-学习笔记(超详细！)
Sodas的博客
02-18 1431
支持向量机
周志华《机器学习》（西瓜书）学习笔记——第九章聚类
karry_zzj的博客
12-31 660
周志华-机器学习-西瓜书-1-9章习题解析.docx
01-01
该文档整理了优快云上的机器学习-周志华-西瓜书的一到九章的习题解析，方便大家免费下载
周志华《机器学习》同步学习笔记 ——第九章聚类
克小洛的秘密基地
08-07 805
周志华《机器学习》同步学习笔记 ——第九章聚类9.1 聚类任务9.2 性能度量外部指标内部指标9.3 距离计算9.4 原型聚类9.4.1 k均值算法9.4.2 学习向量量化 （LVQ）9.4.3 高斯混合聚类9.5 密度聚类9.6 层次聚类 9.1 聚类任务 聚类是一种经典的无监督学习方法，无监督学习的目标是通过对无标记训练样本的学习，发掘和揭示数据集本身潜在的结构与规律，即不依赖于训练数据集的类...
机器学习----第九章聚类 学习笔记
weixin_43580130的博客
07-31 1576
文章目录引入性能度量距离计算原型聚类K均值（K-means）学习向量量化（Learning Vector Quantization，LVQ）高斯混合聚类（Mixture-of-Gaussian）（有点难理解）密度聚类层次聚类 引入 首先我们先来理解“无监督学习”：它是指训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质和规律。通俗来讲就是，当我们想要完成一个分类任务时，我们完全不知道应该分为几类，具体的类别也是未知的。 无监督学习中研究最多、应用最广的就是“聚类”(cluste
读书笔记-《机器学习》第九章：聚类
L.Z.的博客
06-27 826
在“无监督学习”中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据内在性质及规律，为进一步的数据分析提供基础聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名聚类既能作为一个单独过程，用于寻找数据内在的分布结构，也可作为分类等其他学习任务的前驱过程聚类性能度量外部指标Jaccard系数FM指数Rand指数内部指标BD指数Dunn指数距离计算闵可夫斯基距离：...
机器学习基石第九讲笔记
机器学习知识点整理
02-03 773
Lecture 9: Linear Regression线性回归 9-1 线性回归问题 信用额度问题： x=(x0,x1,x2,...,xd)为顾客特征，y是输出的加权后的信用额度，线性回归假说为h，如图： 那么线性回归长什么样呢？在输入为一维时如左图，输入为二维时如右图： 线性回归分析想要做的就是找到一个最好的线或者最好的面，希望红色的线的部分越小越好。 那通常是怎么
机器学习（周志华） 第九章聚类
YJY131248的博客
03-19 1888
关于周志华老师的《机器学习》这本书的学习笔记 记录学习过程 本博客记录Chapter9聚类
『机器学习——周志华』第九章聚类
L聪记博客
11-20 1887
1、聚类试图将数据集中的数据划分为若干个通常是不相交的子集，每个子集称为一个“簇”(cluster) 2、聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名 思考：簇所对应的概念固然是可以任意命名的，但我们一般的规律仍然是通过样本的属性来命名的，这就意味着，有可能根据样本特征给不同的簇命名 3、聚类既能作为一个单独的过程，用于找寻数据内在的分布结构，也可作为分类等其他学习任
Sklearn 与 TensorFlow 机器学习实用指南——第九章习题答案
yanying1113的博客
01-15 4449
Sklearn 与 TensorFlow 机器学习实用指南——第九章习题答案 进入该书的第二部分，深度学习与tensorflow，本书的重点不是原理，更重要的是编程实现，所以原理部分已经是言简意赅了，而且第二部分重在tensorflow的学习，所以不做总结，写一些习题。文档地址 创建计算图而不是直接执行计算有哪些主要好处？ 主要缺点是什么？ 优点： Tensorflow可以计算梯度（使用反向a...
机器学习.周志华《9 聚类》
女王の专属领地
04-13 1014
目录：聚类任务性能度量距离计算原型聚类密度聚类层次聚类方法聚类任务聚类：经典的无监督学习方法，无监督学习的目标是通过对无标记训练样本的学习，发掘和揭示数据集本身潜在的结构与规律，即不依赖于训练数据集的类标记信息。聚类则是试图将数据集的样本划分为若干个互不相交的类簇，从而每个簇对应一个潜在的类别。聚类过程仅能自动形成簇结构，簇说对应的概念语义需要使用者来把我和命名。聚类既可以作为一个单独过程，用于寻...
周志华机器学习西瓜书第二章学习笔记
01-24
### 关于周志华《机器学习》（西瓜书）第二章的学习笔记 #### 模型评估与选择概述 模型评估与选择是机器学习领域的重要组成部分，旨在通过合理的方法评价不同模型的表现并挑选最优者。这一过程不仅涉及如何衡量单个...
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