qq_45402214的博客

K-Means++算法介绍K-Means++主要解决初始化种子点的问题，其选择初始种子的基本思想是：初始聚类中心之间相互距离要在K-Means算法基础上引入了更智能的初始化步骤，该步骤倾向于选择彼此相距较远的中心点，这一改进使得K-means算法收敛到次优解的可能性很小。K-Means++算法表明，更智能的初始化步骤所需计算量是值得的，因为他可以大大减少寻找最优解所需运行算法的次数。K-Means算法实现步骤1.取一个中心点C1，从数据集中随机选择一个中心点。2.取一个新中心点Ci，选择一个概率为

正态分布自然界中的很多随机变量都服从或近似服从正态分布，如测量的误差，人群的身高，体重，工厂产品的直径、长度、重量，电源的电压，因此正态分布是实践中应用最广泛的、最重要的分布。标准正态分布若X的密度函数为f(x)=12πe−x22,−∞<x<+∞f\left ( x \right ) = \frac{1}{\sqrt{2\pi }}{e}^{-\frac{x^{2}}{2}} , -\infty <x< +\infty f(x)=2π​1​e−2x2​,−∞

聚类算法简介在未知模式识别问题中，通常需要从一堆没有标签的数据中找到其中的关联性。一是要发现数据之间的相似性，也被称为聚类（Clustering）；二是要统计数据在空间上的分布，也就是密度估计。聚类可谓无监督学习中最重要的一个作用。聚类的定义聚类是将集中具有相似特性的数据分类组织的过程，聚类技术是一种无监督学习。聚类又称为群分析，是研究样本或指标分类问题的一种统计分析方法。聚类与分类的区别是其要划分的类是未知的，常用的聚类分析法中有系统聚类法、有序样本聚类法、动态聚类法、模糊聚类法、图论聚类法和聚类预

1、基于词典的方法（字符串匹配，机械分词方法）定义:按照一定策略将待分析的汉字串与一个“大机器词典”中的词条进行匹配，若在词典中找到某个字符串，则匹配成功。按照扫描方向的不同：正向匹配和逆向匹配按照长度的不同：最大匹配和最小匹配1.1正向最大匹配思想MM1》从左向右取待切分汉语句的m个字符作为匹配字段，m为大机器词典中最长词条个数。2》查找大机器词典并进行匹配。若匹配成功，则将这个匹配字段作为一个词切分出来。若匹配不成功，则将这个匹配字段的最后一个字去掉，剩下的字符串作为新的匹配字段，进行再次

Pandas（一）Pandas是什么？核心数据结构数据离散化Pandas是什么？专门用于数据挖掘的开源python库以numpy为基础，借助numpy高效运算的优势基于matplotlib，能够简便的画图核心数据结构pandas具有三大核心数据结构：DataFrame、panel、seriesDataFrame：既有行索引、又有列索引的的二维数组。store_change = np.random.normal(0,1,(10,5))print(store_change)执行后入下图所示，

熵(entropy,也称信息熵)用来度量一个属性的信息量。假定S为训练集，S的目标属性C具有m个可能的类标号值，C={C1,C2,…,Cm}，假定训练集S中，Ci在所有样本中出现的频率为pi (i=1,2,3,…,m)，则该训练集S所包含的信息熵定义为：熵越小表示样本对目标属性的分布越纯，反之熵越大表示样本对目标属性分布越混乱。...

数据挖掘分类与回归的比较分类和回归都属于监督性学习。那么他们的区别是什么呢？简单来说，我们现在有x和y值，分类的目标y值是属于离散值，而回归的目标y值是连续值。举个栗子， 汽车的不同颜色比如红，黑，白，属于离散值，而今天的气温则是连续值。如果来比较他们的原理，给出几个点，找出拟合性最强的那条线是回归。如下图：给出几个属于两个不同类别的点，找出那条最能把两个类别的点区分出来的线就是分类。如下图：原文链接：https://blog.youkuaiyun.com/weixin_41095510/article/de