聚类_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

使用CiteSpace软件对知网文献进行关键词共现/聚类/突现分析一、基本概念CiteSpace（引文空间）是一款专注于分析科学分析中蕴含的潜在知识的软件。它是在科学计量学、数据可视化背景下逐渐发展起来的引文可视化分析软件。通过可视化的手段，CiteSpace能够呈现科学知识的结构、规律和分布情况，并因此将这种分析得到的可视化图形称为“科学知识图谱”。二、主要功能和用途知识图谱构建：根据科学文献的引用关系，CiteSpace可以生成知识图谱，帮助研究人员更好地理解学术领域中不同文献之间的联系和演化过程。主题聚类分析。

阅读 1.6w

73赞

天天酷科研

聚类分析 | 聚类有效性评价指标外部NMI（MATLAB）聚类分析 | 聚类有效性评价指标外部NMI（MATLAB）

阅读 1.1k

0赞

【机器学习】深入无监督学习分裂型层次聚类的原理、算法结构与数学基础全方位解读，深度揭示其如何在数据空间中构建层次化聚类结构这个代码展示了如何通过K-means聚类方法实现分裂型层次聚类。每次分裂都是基于当前簇的质心，通过最小化误差平方和（SSE）来划分成两个子簇。你可以通过调整参数来控制分裂的停止条件，进而决定最终聚类的数量。

阅读 2.1k

132赞

聚类分析（K-means聚类、层次聚类、二步聚类）及SPSS实操简单阐述了三类聚类分析的原理与概念，主要呈现了三类聚类分析的SPSS实操过程与结果呈现

阅读 7.4k

36赞

聚类系列 (二)——HDBSCAN算法详解最详细最全最易懂的HDBSCAN算法详解，从DBCSN到OPTICS再到HDBSCAN。DBSCAN、OPTICS 和 HDBSCAN 都是基于密度的聚类算法，它们在处理复杂数据分布、发现任意形状簇和识别噪声点方面表现良好。DBSCAN 是密度聚类的基础算法，OPTICS 改进了其对不同密度簇的适应性，而 HDBSCAN 进一步结合了层次聚类的思想，并提供了自动化的簇提取方法，适用于更广泛的场景。

阅读 2.4k

31赞

【机器学习基础】层次聚类-BIRCH聚类 BIRCH算法的优势包括对大型数据集的高效处理能力、低内存消耗以及对噪声数据和离群点的鲁棒性。通过灵活地调整参数，可以控制聚类的紧密度和数量，在处理大规模数据时表现出色。

阅读 2.5k

47赞

【科研绘图】【K-均值聚类图】：附Origin详细画图流程 K-均值聚类图，通过可视化方式展示K-均值聚类算法结果的一种图形。这种图形有助于直观地评估聚类效果。K-均值聚类图主要通过散点图的形式展示聚类结果。在散点图中，每个数据点代表一个观测值，不同的颜色或形状代表不同的簇，而簇的质心则以特定的标记（如圆圈、星号等）表示。

阅读 5.8k

18赞

【机器学习-无监督学习】聚类本文主要介绍了k均值聚类算法和其改进版k-means++，并动手实现了k均值算法。然后学会使用sklearn中的Kmeans算法、层次聚类算法和DBSCAN算法。

阅读 3.3k

79赞

平凡程序猿~

深入解密 K 均值聚类：从理论基础到 Python 实践 K 均值聚类是一种基于质心的聚类算法，它通过反复迭代的方式将数据点分配到 K 个聚类中。每个质心代表一个聚类的中心位置，算法会不断调整质心的位置，直到满足一定的收敛条件。K 均值聚类的目标是最小化每个聚类内部所有点到其质心的距离之和。具体来说，K 均值聚类的步骤可以概括如下：随机选择 K 个初始质心。将每个数据点分配到离它最近的质心所在的聚类。重新计算每个聚类的质心，即对聚类中的所有数据点取平均值。重复步骤 2 和 3，直到质心的位置不再发生变化，或者达到预设的迭代次数。

阅读 6.8k

103赞

[机器学习聚类算法实战-1] | Scikit-Learn工具包进阶指南：机器学习聚类算法之层次聚类、特征集聚、均值移位聚类、k-均值聚类实战分析机器学习中的聚类分析是一种无监督学习方法，旨在将数据点划分为相似的组或簇，使得同一组内的数据点彼此相似，而不同组之间的数据点则相对较不相似。聚类分析可以帮助我们理解数据的内在结构，发现数据中隐藏的模式，并将数据进行自然的分组，从而为进一步分析或决策提供基础。K-Means 聚类：将数据点分成预先指定的 k 个簇，每个簇具有最小化簇内平方误差的中心点。K-Means 是一种迭代算法，通过不断更新簇中心点来优化聚类结果。层次聚类：逐步将数据点合并到不断增长的聚类中，形成层次结构。

阅读 3.3k

83赞

深度聚类算法-depth_clustering安装与使用教程深度聚类算法-depth_clustering安装与使用教程 depth_clustering:taxi: Fast and robust clustering of point clouds generated with a Velodyne sensor. 项目地址:https://gitcode.com/gh_mirrors/de/depth_clustering 1. 项目目录结构及介绍...

阅读 919

10赞

【详解算法流程+程序】DBSCAN基于密度的聚类算法+源码-用K-means和DBSCAN算法对银行数据进行聚类并完成用户画像数据分析课设资料包【详解算法流程+程序源码】DBSCAN聚类算法详解+用K-means和DBSCAN算法对银行数据进行聚类并完成用户画像+数据分析课设源码包-本资源包含本文聚类算法代码实现的源码，此外，还有数据分析综合课程设计，包含：SIR过程模拟与节点排序、用k-means和DBSCAN算法对银行数据进行聚类并完成用户画像、决策树与随机森林、基于奇异值分解的评分预测算法实现

阅读 3.6w

92赞

Scikit-learn 零基础学习教程 6 - 聚类顾客精准营销原来，我的顾客不只是忠实和高价值这么简单！他们可以进一步分成**‘忠实但低消费’、‘高价值但低频’、‘忠实且高价值’**，我可以用不同的方法来营销他们。“如果我能找到‘高消费但不常来’的顾客，那我可以发给他们特别的优惠券，让他们更常来！在商业世界里，不是所有顾客都一样的，他们有不同的消费习惯、喜好和需求。“我现在知道了哪些顾客是忠实顾客，哪些是高价值顾客。我们现在用 K-Means 聚类，把小明的 100 位顾客分成。，看看不同类型的顾客有什么特点，然后针对他们。“我希望能把我的顾客。

阅读 867

11赞

异常检测与聚类异常检测与聚类

阅读 1.4k

24赞

MATLAB科研小白

【24年优化算法】捕鱼优化算法（CFOA）：一种解决聚类问题的新的人类行为算法捕鱼优化算法（Catch fish optimization algorithm,CFOA）是期刊“Cluster Computing ”的智能优化算法。

阅读 1.3k

18赞

【机器学习】任务七：聚类算法（K-means 算法、层次聚类、密度聚类对鸢尾花（Iris）数据进行聚类） K-Means：适合规则分布的大规模数据，快速聚类。层次聚类：适合小规模数据和需要层次结构的场景，如基因分析或市场细分。DBSCAN：适合处理复杂形状簇和含有噪声的数据，如地理空间数据或异常检测。距离和相似度度量：用于选择合适的距离度量方式，根据数据的特征进行优化选择。这些算法在不同的应用场景中表现各异，建议根据数据特点选择合适的算法。如果有其他问题或需要深入探讨，可以随时提问！这段代码实现了对鸢尾花数据集的层次聚类，并通过树状图可视化了数据点的合并过程。

阅读 4.6k

46赞

【聚类算法】基于网格的聚类网格聚类算法是一种将数据空间划分为有限数量的单元，形成一个网格结构的数据结构，然后在此基础上进行聚类的方法。这种算法的主要思想是将数据空间划分为有限个单元组成的网格，每个单元代表一个区域，然后对每个单元进行统计，根据统计结果来确定哪些单元属于同一个簇。

阅读 2.2k

39赞

聚类（Clustering）基础知识2 知识回顾问题描述给定NNN个样本点X={xi}i=1NX = \{x_i\}_{i=1}^NX={xi}i=1N进行聚类。输入数据集 D={x1,x2,...,xN}D = \{x_1, x_2, ..., x_N\}D={x1,x2,...,xN}，簇数目为KKK。算法步骤时间复杂度以下是K均值聚类算法的运行过程示意图，展示了算法在不同迭代次数下的变化情况：在每次迭代中，算法首先随机选择KKK个数据点作为初始簇中心（Iteration 1）。然后，算法将每个数据点指派到最近的簇中心（Ite

阅读 808

16赞

Python-GIS分析之地理数据空间聚类在地理空间数据的背景下，聚类旨在识别某些现象集中的区域。尽管面临挑战，计算技术和数据分析的不断进步有望提高地理空间数据集群的有效性，为我们世界的空间现象提供深刻的见解。创建用于聚类地理空间数据的完整 Python 示例涉及几个步骤：生成合成数据集、应用聚类算法、使用指标评估聚类性能以及使用绘图可视化结果。这个完整的示例生成一个合成地理空间数据集，应用 DBSCAN 聚类，评估聚类性能，并将结果可视化。轮廓分数范围从 -1（不正确的聚类）到 +1（高度密集的聚类），分数在 0 左右表示重叠的聚类。

阅读 1.4k

24赞

华为OD机试真题实战应用【赛题代码篇】-根据某条件聚类最少交换次数（附Java和python代码实现）目录问题描述思路解析思路1思路2代码实现pythonJava代码2 代码3JS给出数字k,请输出所有结果小于k的整数组合到一起的最小交换次数。组合一起是指满足条件的数字相邻，不要求相邻后在数组中的位置。数据范围 -100 <= k <= 100 -100 <= 数组中的值 <= 100示例:第一行输入数据：第二行输入k数值：1 3 1 4 02输出 1样例输入2：第一行输入数据：第二行输入k数值0 0 1 02输出 0样例输入3：第一行输入数据：第二行

阅读 134

0赞

作者推荐

slandarer: 近期略忙，偶尔更新[头秃]

关注

武艺晴小朋友你好: 人一生也就这么一回，追求把一件事情做到极致的人儿：真的好美

关注

龙虾在剥我的壳: 世事如书

关注