机器学习与智能优化 之 自顶而下聚类:K均值
来源:互联网 发布:网站特效源码 编辑:程序博客网 时间:2024/05/01 11:59
要点
无监督学习构建模型仅仅通过输入数据,而不用借助分类标签。特别地,聚类旨在将相同类别的物体放到相同的类中,不同的物体放到不同的类中。聚类启动的信息可以是一组点之间的关系(外在表示)或者表示独立点的一组向量(内在表示)。在第二种情况中,一个均值向量可以作为聚类成员的中心。
聚类的目标有:通过抽象压缩信息(考虑组而不是单个成员),了解实验点的全局结构(实验点并不是在输入空间上随机分布的而是聚在有选择的区域),使用聚类中心降低认知负担。
没有独立的最佳聚类评价标准,有趣的结果由相似度测量方法和后续步骤中组之间的关联决定。一言以蔽之,同一个聚类成员之间高相似性,不同聚类之间高差异性。
自顶向下的聚类首先选择指定的聚类数目,然后分割样本。K均值先确定K个中心位置,将样本归类到离它们最近的中心,通过样本均值重新计算中心再重新归类……
聚类让你从一个新的角度看待你的宠物狗托比。狗是有四个爪子,会叫高兴的时候会摇尾巴的器官聚类。托比是与你最喜爱的小宠的经历与情感的聚类。
0 0
- 机器学习与智能优化 之 自顶而下聚类:K均值
- 机器学习练习之k均值
- 机器学习之K均值算法
- 机器学习与智能优化 之 KNN
- 机器学习---K均值
- 机器学习与智能优化 之 自底向上(层次)聚类
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习算法与Python实践之 k均值聚类(k-means)
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习算法与Python实践之k均值聚类(k-means)
- 机器学习算法与Python实践之(五)k均值聚类(k-means)
- 机器学习10k均值
- unity3d 摄像机跟随鼠标和键盘的控制
- 怎样才能避免C语言的)目标缓冲区溢出
- Leetcode -- Minimum Window Substring
- 《跨界杂谈》砸300亿美金与政府对垒,有钱就是任性---谈互联网化政府和政府互联网化
- 在$ORACLE_DB_SOFTWARE_HOME/bin下的小工具offset
- 机器学习与智能优化 之 自顶而下聚类:K均值
- 【BZOJ 1057】 [ZJOI2007]棋盘制作
- Leetcode -- Combinations
- 【转载】AIX LVM LVCB 和 Oracle 4k Offset的思考
- lintcode - kth prime number
- Leetcode -- Subsets
- linux 下查找文件或者内容常有命令
- Leetcode -- Word Search
- cocos2dx开发者指南:UI控件使用