周志华西瓜书-第八天阅读-聚类

最新推荐文章于 2024-09-09 14:44:05 发布
最新推荐文章于 2024-09-09 14:44:05 发布
阅读量204 收藏
点赞数
分类专栏： 2019年9月 python 西瓜书
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/qq_41629976/article/details/100539499
版权
本文深入探讨了聚类这一无监督学习方法，介绍了聚类的基本概念，包括如何将数据集划分为多个子集（簇），并详细讲解了密度聚类、层次聚类和原型聚类三种主要聚类算法的工作原理及应用。

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

什么是聚类

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" (cluster). 通过这样的划分，每个簇可能对应于一些潜在的概念(类别) ，如"浅色瓜" “深色瓜”，“有籽瓜” “无籽瓜”，甚至"本地瓜""外地瓜"等;需说明的是，这些概念对聚类算法而言事先是未知的，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.可见，聚类是一种无监督学习。

密度聚类

密度聚类亦称"基于密度的聚类" (density-based clustering) ，此类算法假设聚类结构能通过样本分布的紧密程度确定.通常情形下，密度聚类算法从样本密度的角度来考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇以获得最终的聚类结果.

层次聚类

层次聚类(hierarchical clustering)试图在不同层次对数据集进行划分，从而形成树形的聚类结构. 数据集的划分可采用"自底向上"的聚合策略，也可采用"自顶向下" 的分拆策略.

AGNES 是一种采用自底向上聚合策略的层次聚类算法.它先将数据集中的每个样本看作一个初始聚类簇，然后在算法运行的每一步中找出距离最近的两个粟类簇进行合并，该过程不断重复，直至达到预设的聚类簇个数.这里的关键是如何计算聚类簇之间的距离.

原型聚类

原型聚类亦称"基于原型的聚类" (prototype~ based clustering)) 此类算法假设聚类结构能通过一组原型刻画，在现实聚类任务中极为常用.通常情形下，算法先对原型进行初始化，然后对原型进行迭代更新求解.采用不同的原型表示、不同的求解方式，将产生不同的算法.

周志华机器学习西瓜书 第九章 聚类-学习笔记
Sodas的博客
03-15 248
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
周志华西瓜书课后习题答案总目录
smart boy
04-17 3万+
https://blog.csdn.net/icefire_tyh/article/details/52064910 机器学习(周志华西瓜书)参考答案总目录 从刚开始学习机器学习到现在也有几个月了，期间看过PDF，上过MOOC，总感觉知道一点了又不是特别明白，最后趁某东买书大减价弄了几本相关的书来看看，其中一本就是西瓜书。一口气看了前10章，感觉每章内容都很少，看完感觉还是和以前一样。每章的习题都...
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 2384
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
机器学习理论 | 周志华西瓜书 第九章：聚类
Tinky2013的博客
04-01 1072
第九章 聚类 此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中… 9.1 聚类任务 无监督学习：训练样本标记位置，学习揭示内在规律，分类任务等前驱过程 将数据集划分为若干互不相交的子集(簇：cluster) 9.2 性能度量 1、概念 内相似度(intra-cluster similarity) 簇间相似度(inter-cluster similarity) 2、指标 外部指标...
机器学习（周志华） 第九章聚类
YJY131248的博客
03-19 1850
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（MACHINE LEARNING） 【周志华版-”西瓜书“-笔记】 DAY9-聚类
李响
02-13 931
9.1 聚类任务 聚类是一种！无监督！学习任务。 聚类的结果应该满足：“簇内相似度”高且“簇间相似度”低。 聚类的算法： 原型聚类（基于原型的聚类）：kk均值算法(k-means)、学习向量量化化算法(LVQ)、高斯混合聚类算法. 原型聚类算法假设聚类结构能够通过一组原型刻画，是最为常用的方法.此类算法首先初始化原型，然后对原型进行迭代更新求解。 密度聚类（基于密度的聚类）：DBSCAN(Den...
周志华《Machine Learning》学习笔记（11）--聚类
VAY-长跑
04-29 7536
上篇主要介绍了一种机器学习的通用框架–集成学习方法，首先从准确性和差异性两个重要概念引出集成学习“好而不同”的四字真言，接着介绍了现阶段主流的三种集成学习方法：AdaBoost、Bagging及Random Forest，最后简单概述了集成模型中的三类结合策略：平均法、投票法及学习法，其中Stacking是学习法的典型代表。本篇将讨论无监督学习中应用最为广泛的学习算法–聚类。
《机器学习》周志华西瓜书笔记
最新发布
flashdesigner的博客
09-09 1815
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。
机器学习-西瓜书-第一章阅读笔记+公式推导
永远真诚热烈，一往无前
08-23 589
《机器学习》西瓜书，作者周志华，第一章阅读笔记+公式推导
周志华西瓜书学习笔记（一）
qq_41880639的博客
11-16 436
这个系列博客是记录参加datawhale组织的机器学习自学打卡，主要对周志华老师的西瓜书进行学习自行整理的笔记，笔记中有错误或者不足之处，希望各位大佬多多指教！ 第一章 绪论 1.1 基本术语 数据集、样本\示例 属性和属性值 属性：表示事务或对象某方面的性质的事项，又称为特征(feature)。属性的取值称为属性值 属性空间（样本空间、输入空间）：由样本的属性的所有可能取值构成的一个集合 特征向量 ：对于来自同一总体中的每一样本点，其各个属性都有特定的取值，由该取值构成的一个向量可以用来表示样本.
主流的聚类方法
小白水手的博客
05-24 396
聚类是按照某个特定的标准（比如相似度，概率，距离准则，即数据点之间的距离）把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大，我们具体的理解为，聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。...
机器学习周志华笔记--聚类
weixin_39915444的博客
05-25 472
聚类：无监督学习。 性能度量：簇内相似度高且簇间相似度低。 距离计算：闵可夫斯基距离：欧氏距离(p=2) or 曼哈顿距离(p=1) 1. 原型聚类 1）k均值聚类（k-means clustering）：最小化平方误差。 从样本集中随机选择k个样本作为初始均值向量——计算每个样本与各均值向量的距离，将样本划入距离最近的均值向量的簇内——求出新的均值向量，并更新——不断重复上述过程知道没...
聚类 (一)
Apathetical的博客
05-25 3939
聚类(clustering) 定义 　　聚类试图将数据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)。通过这样的划分，每个簇可能对应于一些潜在的概念(类别)，如“浅色瓜”“深色瓜”，“有籽瓜”“无籽瓜”，甚至“本地瓜”“外地瓜”等；需要说明的是，这类概念对聚类算法而言事先是未知的，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...
机器学习(周志华) 参考答案 第九章 聚类
热门推荐
我的博客
05-19 3万+
机器学习(周志华) 参考答案 第九章 聚类机器学习(周志华西瓜书) 参考答案 总目录 http://blog.csdn.net/icefire_tyh/article/details/52064910 聚类由于不存在客观标准，任何有点道理的角度都能提出新的聚类算法。 1.试证明：P≥1P \geq 1时，闽可夫斯基距离满足度量的四条基本性质；0≤P<10\leq P < 1时，闽可夫斯基距离
聚类算法（二）、聚类算法的系统性比较
denghe优快云的博客
09-19 5096
      聚类是试图将数据集中的样本划分为若干个不相交的子集。每个子集称为一个“簇”（cluster)。聚类既能作为一个单独的过程，也可以作为分类等其他学习任务的前驱任务、例如，在一些商业应用中，需要对新用户的类型进行判别，但是定义“用户l类型”对商家来说可不容易，此时，往往先对用户数据进行聚类，根据聚类结果将每个簇定义为一个类，然后再基于这些类训练分类模型，用于判别新用户的类型。      ...
基于用户聚类的推荐
RenBinSmile的博客
03-12 1743
推荐思路：将用户进行聚类，给每个聚类推荐该人群喜欢的内容。 优点 实现简单，数据存储量很小 可用于新用户冷启动，使用用户注册信息，从站外获取用户信息、行为列表，做聚类即可个性化推荐。 缺点 精度不高，群体喜欢的内容，并不一定个人喜欢，不够个性化。 ...
UnicodeDecodeError: 'gbk' codec can't decode byte 0x82 in position 66: illegal multibyte sequence
qq_41629976的博客
08-09 1万+
代码如下： file_in=“C:\Users\Administrator\Desktop\parking datum.txt” data=’’ fbegin=0 fend=0 d=’’ with open(file_in,“r”) as file: for i in file.readlines(): for e in i: if e==’"’: continue; if e==’}’: fbe...
什么是Keras
qq_41629976的博客
09-04 9190
今天开始读一本关于Keras的深度学习书籍，计划每天记录一些所得。 直奔主题，既然要学Keras，那什么是Keras，Keras和其他机器学习、深度学习库有什么区别？ 让我们看看Keras中文文档中的定义： Keras是一个模型库，是为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等低级操作。相反，它依赖于一个专门的、优化的张量操作库来完成这个操作，它可以作为 Keras 的「...
python模型部署初涉--PMML篇
qq_41629976的博客
08-30 2030
一点点废话 最近科研立项做项目需要做机器学习的模型，模型做好了但需要在Java上部署，经过了解后，才发现原来python上训练的模型可以保存下来，而不需要每次预测都要先训练。经过一番折腾后，大致了解了模型部署的流程，再次记录，也供君参考。 为什么要部署 只有当训练和预测在不同平台时，才会设计部署。同一个平台比如python下既训练又预测，那么只需要保存下来，在需要使用时在python工程中调用即可...
机器学习西瓜书第九章聚类------k均值算法
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...
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