u010233524的专栏

“物以类聚，人以群分”，聚类是一种日常生活中常见的现象。所谓类，其实就是相似元素的结合。那么问题来了：如何判断元素之间是否相似？我们常常说，相似就是相近，即需要有合理的距离的度量方法来决定是否相似。而如果元素本身的属性非常多，从不同的属性去看元素之间的相似性，可能有不同的结果。聚类分析属于分类学，以前人们往往是依赖经验和专业知识来实现分类。聚类分析有多种算法，可以作为其他分析算法的预处理。挑战在于高维空间中的稀疏数据，可能存在不平衡、高度偏斜的数据情况。在常见的六大聚类算法_从未完美过的博客-CSD

开始学习Python，并记录

非时间序列：序列对应的事件发生的时间无明确先后顺序关系时间序列：序列事件的发生要考虑先后顺序关系相对来说，非时间序列的异常检测就是散点的检测，只需要使用距离度量进行聚类、分类等操作，发现事件中的离群点即可。而时间序列的异常检测需要考虑各事件之间的先后逻辑关系、递推关系，不能拘于对单点的挖掘。...

在做切词实验的时候，用jieba模块，相信很多人都已经熟悉。但是中文切词的编码问题的困扰你遇到了吗？python3中的decode常常报错，Windows操作系统环境下，jieba切词默认时gbk编码。这里，要注意，在输入和输出文件打开时用codecs去打开，说明是utf-8编码，一切问题就解决了import codecs。。。fin = codecs.open(inputFile, 'r',en...