weixin_42167712的博客

目录一、基本概念二、Centroid Initialization Methods三、Mini-Batch K-Means四、找寻最优的聚类数量4.1 拐点4.2 silhouette score 轮廓分数五、Kmeans的限制六、利用Kmeans做preprocessing 无监督问题，将相似的样本分到一组，难点是如何评估和调参 注意！！！！！！！：对输入数据进行标准化很重要！！！！ it is...

目录一、算法思想二、sklearn例子2.1 Basic2.2 没有predict()方法三、总结 一、算法思想 对于每一个样本，算法会计算在一段小距离ε（epsilon）内的圆中有多少个其他样本，这个圆形区域叫做样本的 ε-neighborhood 如果一个样本有最少 min_samples个样本在 ε-neighborhood中（包括此样本本身），就认为这个样本是core instance（...

目录一、Agglomerative clustering1.1 凝聚聚类算法简介二、Birch 聚类算法2.1 简介三、Mean-shift 算法3.1简介四、Affinity propagation4.1 简介五、Spectral clustering5.1简介 sklearn提供了其他很多聚类算法 一、Agglomerative clustering 1.1 凝聚聚类算法简介 cluster...

目录一. 算法介绍1.1简介1.2 GMM变体variant 混合高斯模型 一. 算法介绍 1.1简介 混合高斯模型 Gaussian mixture model (GMM) 是一种概率模型，它假定样本是由多个参数未知的高斯分布(二维时叫做正态分布)的混合生成的。is a probabilistic model that assumes that the instances were genera...