西瓜书学习笔记第九章聚类

最新推荐文章于 2023-03-13 03:49:54 发布
最新推荐文章于 2023-03-13 03:49:54 发布
阅读量634 收藏 2
点赞数
分类专栏： 西瓜书学习笔记 文章标签： 聚类 西瓜书第九章
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/UEVOLIshy/article/details/94458107
版权

文章目录

1 知识脉络

在这里插入图片描述

2 内容补充

9.1节 聚类任务

9.2节 性能度量

9.3节 距离计算

9.4节 原型聚类

9.4.1 k均值算法

9.4.2 学习向量量化

9.4.3 高斯混合聚类

9.5节 密度聚类

9.6节 层次聚类

9.7节 阅读材料

3 课后题

4 代码实现

5 参考

周志华机器学习西瓜书 第九章 聚类-学习笔记
Sodas的博客
03-15 240
还要其他的有标记样本使用聚类的算法，除了这种指定正类负类的。其中𝑑𝑖𝑠𝑡(𝑥𝑖,𝑥𝑗)用于计算两个样本之间的距离，avg(C)是指簇内样本的平均距离，diam(C)是簇内样本的最大距离，𝑑𝑚𝑖𝑛(𝐶𝑖,𝐶𝑗)是簇间样本的最小距离，𝑑𝑐𝑒𝑛(𝐶𝑖,𝐶𝑗)是簇与簇之间中心点的距离。聚类是无监督学习中非常典型的任务，聚类的目的是将数据样本划分为若干个通常不相交的子集，每一个子集成为"簇-cluster"，其即可以作为一个单独过程，用于找寻数据内在的分布结构，也可作为
西瓜书学习笔记9-聚类
weixin_41872340的博客
06-28 853
chapter 9 聚类 9.1聚类任务 在无监督学习中，训练样本的标记未知，目标是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，此类学习中应用最广，研究最多的是“聚类”。 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，每个子集称为一个簇，通过这样的划分，每个簇可能对应一些潜在的概念（类别），如“浅色瓜”，“深色瓜”，“有籽瓜”等。这些概念对聚类算法而言...
西瓜书学习笔记——第九章：聚类
Andrewings
07-04 3665
9. 聚类9.1 聚类任务9.2 性能度量外部指标：定义外部指标内部指标定义簇内样本平均距离avg( C)簇内样本间最远距离diam( C )簇间最近样本距离$d_{min}(C)$簇中心间距$d_{cen}(C_i,C_j)$内部指标9.3 距离计算闵可夫斯基距离(Minkowski distance)曼哈顿距离(街区距离)欧氏距离切比雪夫距离根据属性的性质选择采用的距离有序属性无序属性混合属性...
西瓜书学习——第九章聚类
老三的博客
07-03 553
通过这周对西瓜书第九章的学习，记录笔记如下： 第九章聚类——3距离计算第九章聚类——4原型聚类 第九章聚类——4原型聚类2第九章聚类——5密度聚类第九章聚类——6层次聚类 ...
《西瓜书》第九章 聚类 笔记
u013307195的博客
07-23 307
《西瓜书》第九章 聚类 笔记
机器学习（西瓜书）第九章笔记
小白小小白的博客
12-31 1091
该博客是在一篇博主的基础上该的，如果要看详细的，可以参考他的博客： https://blog.youkuaiyun.com/shichensuyu/article/details/94552906 聚类的应用 生物进化树 寻找优质客户 推荐系统 信用卡照片 黑客攻击 聚类和分类的区别 聚类没有学习集，告诉我这些样本点如何去分类，无监督学习 分类：有监督学习 什么样的聚类结果比较好呢...
西瓜书第9章 聚类 笔记
anyanqin的博客
02-15 239
性能度量（有效性指标）：用于评估聚类好坏
《机器学习》周志华(西瓜书)学习笔记 第九章 聚类
sdm12345的博客
07-07 2063
机器学习笔记 总目录 第九章 聚类 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。 9.1 距离度量 聚类性能度量亦称聚类"有效性指标" (validity index). 目标: 聚类结果的"簇内相似 度" (...
西瓜书/南瓜书第九章 聚类 笔记
leiuser的博客
03-13 163
聚类：物以类聚，相似的样本聚到一起，同一类簇的样本尽可能接近，不同类簇点样本尽可能远离
机器学习入门-西瓜书总结笔记第九章
weixin_45867990的博客
04-11 1710
西瓜书第七章-贝叶斯分类器前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码如下（示例）： import numpy as n
基于西瓜书的聚类代码和介绍
11-20
def GMM_algorithm(iterMax,gmm,dataset): ''' 高斯混合聚类算法 :param iterMax: 最大迭代次数 :param gmm: 保存gmm模型的数据 :return: 簇划分结果 ''' step = 0 m = len(dataset) flagMat = np.mat(np.zeros((m, 1))) # 保存每个样本的簇标记 lateProbMat = np.mat(np.zeros((m,3))) #保存后验概率 while step 3): k += 1 print( k) mark = ['or', 'ob', 'og', 'ok', '^r', '+r', 'sr', 'dr', '<r', 'pr'] # 画出所有样例点 属于同一分类的绘制同样的颜色 for i in range(numSamples):
《西瓜书》笔记09：聚类
鸟恋旧林的博客
08-08 3015
1.聚类任务无监督学习：训练样本的标记信息是未知的。目标是通过对无标记样本的学习揭示数据内在性质，为进一步数学分析提供基础。此类学习任务中研究最多，应用广泛的是聚类。聚类：试图将数据集中的样本划分为若干个通常互不相交的子集。每个子集称为一个簇（cluster）。每个簇可能对应于一些潜在概念。这些概念对于聚类算法而言事先未知。聚类过程仅能自动形成簇结构。簇所对应的概念语义需有使用者把握。聚类可作为一个
【西瓜书框图笔记08】第九章——聚类
zhuhongde的博客
09-22 190
精读西瓜书(第九章-聚类)-聚类任务
x32sky的专栏
10-18 1481
在'无监督学习'(unsupervised learning)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的内在性质及规律, 为进一步的数据分析提供基础. “聚类”（clustering）算法是“无监督学习”算法中研究最多、应用最广的算法，它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，每个子集称为一个“簇”（cluster） 不同的簇分布代表着聚类算法...
西瓜书_chapter9_聚类
lirt15的博客
06-28 471
9.1 聚类任务 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样本的学习来揭示数据的内在性质及规律。 本章中，我们探索其中常用的“聚类"算法。它的目的是把数据集中的样本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)。 聚类既能作为一个独立的过程，去探索数据之间的内在联系，也可以作为分类等其他学习任务的前驱过程. 9.2 性能度量 聚类性能度量也叫做聚类“有效...
西瓜书+南瓜书第九章 聚类
yks的博客
01-15 486
第九章聚类9.1聚类任务9.2性能度量9.3距离计算9.3.1距离定义9.3.2明可夫斯基距离9.3.3VDM度量9.4原型聚类（kmeans）9.5密度聚类（DBSCAN）9.6层次聚类（AGNES） 9.1聚类任务 聚类试图将训练样本划分为若干个不相交的子集，每个子集称为一个簇，每个簇可能对应于一些潜在的概念但是这些概念对聚类算法而言事先是未知的。 聚类既能作为一个单独过程，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务的前驱过程。例如，在一些商业应用中需对新用户的类型进行判别，但定义“用户类型
机器学习之西瓜书-大纲
sinat_40601382的博客
06-21 1208
小编是一个在金融风控领域混战了3年多的搬砖工~ 搬砖久了总想哪里有墙可以砌一下，搞点不一样的~~ 当当当当~ 受人指点开始攻读这本业界俗称“西瓜书”的教材——周志华的《机器学习》 因为本身是一本教材，所以语言相对来说较为枯燥，希望和大家一起战胜无味，坚持到最后~ 这本书非常适合：在风控策略/模型方面有困惑，或者本身水平很高，想把基础打得更牢的小伙伴们！ 以下内容参考： 原书：周志华的《机器学习》 B站：致敬大神讲课一口流利的东北话，超有趣，https://www.bilibili.com/video/BV
西瓜书读书笔记之聚类
wxl1999的博客
02-21 321
高斯混合聚类这里的推导过程不是特别明白，其中涉及到的EM算法也得去看一看 思维导图：  
西瓜书读书笔记之绪论
带你飞
06-04 398
一个好的开始能够决定能不能继续下去。 绪论是此书的第一章节，主要通过引言，基本术语，假设空间，归纳偏好，发展历程，应用现状，阅读材料，习题等几个小节进行讲解。对于本书为什么是西瓜书，我猜测大概就是因为文中对于学习一些概念讲解使用了西瓜等样例吧。接下来我会分别按照原书的章节安排进行一些叙述，也是对自己学习的总结。最后给出学习总结。 引言 机器学习是一门致力于研究如何通过计算的手段，利用经验来改善...
机器学习西瓜书第九章聚类------k均值算法
最新发布
10-26
k均值算法是一种常用的聚类算法，它的主要思想是将数据集划分为k个簇，每个簇的中心采用簇中所含值的均值计算而成。该算法的步骤如下： 1. 随机选择k个点作为初始的簇中心。 2. 对于每个数据点，计算其与k个簇中心的距离，将其归到距离最近的簇中心所在的簇中。 3. 对于每个簇，重新计算其簇中所有数据点的均值，将其作为新的簇中心。 4. 重复步骤2和3，直到簇中心不再发生变化或达到预定的迭代次数。 k均值算法的优点是简单易懂，容易实现，适用于大规模数据的聚类。但是该算法也有一些缺点，例如对于不同密度和形状的簇，其聚类效果可能不佳。
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