墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
5.3k累计阅读
5.4k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
思想：
Mini Batch K-Means算法是K-Means算法的变种，采用小批量的数据子集减小计算时间，同时仍试图优化目标函数，这里所谓的小批量是指每次训练算法时所随机抽取的数据子集，采用这些随机产生的子集进行训练算法，大大减小了计算时间，与其他算法相比，减少了k-均值的收敛时间，小批量k-均值产生的结果，一般只略差于标准算法。
迭代步骤：
1：从数据集中随机抽取一些数据形成小批量，把他们分配给最近的质心
2：更新质心
与K均值算法相比，数据的更新是在每一个小的样本集上。对于每一个小批量，通过计算平均值得到更新质心，并把小批量里的数据分配给该质心，随着迭代次数的增加，这些质心的变化是逐渐减小的，直到质心稳定或者达到指定的迭代次数，停止计算
API
class sklearn.cluster.MiniBatchKMeans(n_clusters=8, init=’kmeans++’, max_iter=100
网易AI算法岗面试9题深度解析：机器学习基础、手撕代码与业务场景实战
机器学习模型的泛化能力是算法工程师的核心基础，它决定了模型在未知数据上的表现。过拟合与欠拟合是影响泛化能力的关键问题，其判别、成因与解决方案构成了模型调优的基石。从原理上看，过拟合源于模型过于复杂或数据不足，欠拟合则因模型能力不足或特征信息不够。技术价值在于，通过正则化、数据增强、调整模型复杂度等手段，可以显著提升模型的实用性和鲁棒性。在应用场景中，无论是推荐系统、自然语言处理还是反欺诈系统，处理好模型泛化问题都至关重要。本文结合网易AI算法岗的真实面试题，深入探讨了包括过拟合与欠拟合、逻辑回归损失函数、批
10个真正落地的生存级算法：业务约束下的选型指南
算法不是抽象数学，而是解决真实业务问题的工程工具。从逻辑回归的概率解释性到决策树的规则可视化，从K-Means的运营分层到DBSCAN的异常探测，这些经典算法的核心价值在于：在实时性、可解释性、数据质量与部署成本等硬约束下，提供可验证、可追溯、可迭代的最小可行解。尤其当面临高维稀疏数据、冷启动场景或监管合规压力时，朴素贝叶斯、Apriori、线性回归等‘非前沿’算法反而展现出更强的鲁棒性与落地效率。本文聚焦算法与业务目标的对齐逻辑，揭示特征工程、监控告警、数据治理等隐性关键环节，帮助数据从业者跳过技术幻觉，
GPT-4稀疏激活原理：1.8万亿参数如何实现2%动态计算
大语言模型的参数规模已突破万亿量级，但‘全参数激活’面临显存带宽与计算效率的物理瓶颈。稀疏激活（Sparse Activation）作为核心破局技术，通过MoE（Mixture of Experts）架构实现计算路径的动态选择，本质是用空间换时间的工程范式。其原理在于路由机制（Router）按需调度少量专家子网络，大幅降低单token FLOPs，提升GPU计算密度与部署弹性。技术价值体现在推理成本下降、多卡吞吐提升及硬件资源利用率优化；典型应用于高并发LLM服务、边缘轻量化部署与MLOps资源治理。本文聚
聚类分析 | Mini-Batch K-均值（Python）
聚类分析 | Mini-Batch K-均值（Python）
【Python机器学习】K-Means 聚类：数据分组与用户画像的完整技术指南
目录第1章 引言第2章 K-Means聚类的数学原理与算法流程2.1 问题的数学建模2.2 K-Means的迭代算法2.3 K-Means++初始化方法2.4 收敛性分析2.5 时间和空间复杂度第3章 K-Means算法的优缺点与适用场景3.1 K-Means的主要优点3.2 K-Means的主要缺点和局限性3.3 K-Means的适用场景3.4 K-Means相关算法的扩展第4章 Scikit-learn中的K-Means实现与实践应用4.1 Scikit-learn K-Means API详解4.2 客
AI人工智能领域聚类算法的优化策略
聚类是AI无监督学习的“眼睛”，它能从无序数据中发现隐藏的结构——就像从一堆散落的拼图中拼出完整的图像。但传统聚类算法（如K-means、DBSCAN）常面临“初始质心敏感”“参数难调”“大数据处理慢”等痛点，就像“盲人摸象”时容易摸错方向。本文将以“一步步思考”的方式，拆解聚类算法的优化策略：从“选对起点”（初始化优化）到“找对距离”（度量方式改进），从“提升效率”（并行化与抽样）到“适应复杂数据”（密度与深度学习融合），并通过真实案例展示这些策略如何将“模糊的轮廓”变成“精准的画像”。
【Python机器学习】零基础掌握SpectralCoclustering聚类
本次我们使用了谱共聚类算法来对社交媒体用户的互动行为进行分类。结果显示该算法能有效地将用户分为不同群体，这对企业制定市场策略非常有帮助。优点总结：谱共聚类算法具有很高的精确性、扩展性和灵活性，是数据分群分析的有效工具。优点名称对应描述说明精确性能够准确地将数据分成有意义的群体扩展性适用于大规模数据集灵活性可以应用于不同类型和结构的数据缺点总结：尽管谱共聚类算法非常强大，但它也有一定的局限性，如计算复杂度高和对参数的敏感性。缺点名称对应描述说明计算复杂度。
激光光束质量评估与光斑尺寸计算：从理论到MATLAB实践
本文详细解析激光光束质量评估与光斑尺寸计算的理论基础及MATLAB实践方法，重点介绍M²因子的测量与应用。通过高斯光束模型、CCD成像法和MATLAB算法实现，帮助读者掌握从理论到实践的完整流程，提升激光系统调试与评估能力。
安检机图像处理避坑指南：从条纹校正到物质分类，那些论文里没写的工程细节
本文深入探讨了双能X射线安检机图像处理中的关键工程实践，从条纹校正到物质分类，揭示了论文中未提及的实用技巧。针对探测器校正、物质分类模糊、伪彩色系统设计等核心问题，提供了动态参数更新、空间上下文分析和自适应色彩映射等解决方案，助力提升安检系统的准确性和鲁棒性。
卡诺图化简法注意事项+竞争冒险知识点总结
今天反思以下卡诺图化简法中的注意事项。 卡诺图看起来简单，但如果不熟悉的话很容易出错，因此要对画圈的规则比较熟悉。
【题解-洛谷】B3644 【模板】拓扑排序 / 家谱树
有个人的家族很大，辈分关系很混乱，请你帮整理一下这种关系。给出每个人的后代的信息。输出一个序列，使得每个人的后辈都比那个人后列出。输出一个序列，使得每个人的后辈都比那个人后列出。如果有多种不同的序列，输出任意一种即可。），表示家族的人数。
关于对鱼眼相机图片进行畸变校正的两种思路
鱼眼畸变主要表现为径向畸变（Radial Distortion），图像中心正常，边缘向外拉伸。畸变模型通常基于入射角θ\thetaθ（光线与光学轴夹角）和图像半径rrr的关系。等距投影（Equidistant Projection）rdfθrdfθ，其中rdr_drd为畸变图像半径，fff为焦距，θ\thetaθ为入射角。等立体角投影（Equisolid Angle Projection）rd2fsinθ2rd2fsinθ/2。
NHANES数据库实战：数据合并与加权分析技巧
本文详细解析了NHANES数据库实战中的核心技巧，重点阐述了数据合并与加权分析的正确方法。通过两个具体案例，手把手指导如何从数据下载、合并、权重计算到使用R语言survey包进行加权统计分析，避免因忽略复杂抽样设计而导致的研究偏倚，确保分析结果的准确性与可发表性。
SAP ABAP BADI_FINS_ACDOC_POSTING_EVENTS 深度应用：KO88工单结算的凭证字段定制与财务数据增强
本文深入探讨了SAP ABAP中BADI_FINS_ACDOC_POSTING_EVENTS在KO88工单结算中的应用，详细解析了如何通过BADI实现财务凭证字段的定制与数据增强。文章提供了从结构扩展到BADI方法实现的完整步骤，包括性能优化建议和实际应用中的测试验证流程，帮助开发人员高效解决企业个性化财务需求。
ShardingSphere 5.3 系列Spring 配置升级指南 | Spring Cloud 47
在 `5.3.0` 版本以前，`ShardingSphere-JDBC` 同时支持 `Java API`、`YAML`、`Spring Boot Starter` 和 `Spring Namespace` 等配置方式。 - 当新增或更新 API 时，需要调整多项配置文件，工作量大 - 社区需要维护多重配置文档和示例 - `Spring Bean` 生命周期管理容易受到项目其他依赖的影响，比如 `PostProcessor` 无法正常执行 - `Spring Boot Starter` 和 `Spring N
精雕软件(JDpaint) 5.5 绿色版
精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版
计算机控制技术及应用
《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。
蓝牙模块HM-10手册
蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
493
扫一扫
