关键词：
一个聚类算法只需要知道如何计算相似度就可以了
K-均值（k-means）聚类算法：该算法可以发现K个不同的簇，每个簇的中心采用簇中所安置的均值计算而成。
分层聚类算法
① BIRCH算法：结合了层次聚类算法和迭代的重定位方法，首先用自底向上的层次算法，然后用迭代的重定位来改进效果。
② DBSCAN算法：具有噪声的基于密度的聚类方法
③ CURE算法：选择基于质心和基于代表对象方法之间的中间策略。它不用单个质心或对象来代表一个簇，而是选择数据空间中固定数目的具有代表性的点。每一个簇有多于一个的代表点使得 CURE 可以适应非球形的几何形状。簇的收缩或凝聚可以有助于控制孤立点的影响。因此，CURE 对于孤立点的处理更加好，而且能够识别非球形和大小变化较大的簇。
K-均值聚类算法缺点：最终得到的不是全局最优，大规模数据收敛速度较慢。
K-均值算法的工作流程：一堆数据，选择k个初始点作为质心，为数据集中的每个点找距离它最近的质心，把它分配的该质心所属的簇。最后把每个簇的质心更新为该簇所有点的平均值。（该过程不断迭代）
本文出自 “付炜超” 博客，谢绝转载！
机器学习实战笔记-利用k均值聚类算法对未标注数据分组
聚类是一种无监督的学习，它将相似的对象归到同一个簇中。它有点像全自动分类。聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好簇识别给出聚类结果的含义。假定有一些数据，现在将相似数据归到一... 查看详情
机器学习实战精读--------k-近邻算法
对机器学习实战的课本和代码进行精读，帮助自己进步。#coding:utf-8from numpy import *import operator #运算符模块from os import listdir #os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字... 查看详情
机器学习k均值算法（ii）
k聚类算法中如何选择初始化聚类中心所在的位置。在选择聚类中心时候，如果选择初始化位置不合适，可能不能得出我们想要的局部最优解。而是会出现一下情况：为了解决这个问题，我们通常的做法是：我们选取K<m个聚类... 查看详情
机器学习实战5：k-means聚类：二分k均值聚类+地理位置聚簇实例
k-均值聚类是非监督学习的一种，输入必须指定聚簇中心个数k。k均值是基于相似度的聚类，为没有标签的一簇实例分为一类。 一经典的k-均值聚类 思路： 1随机创建k个质心（k必须指定，二维的很容易确... 查看详情
机器学习——利用k-均值聚类算法对未标注数据分组
聚类是一种无监督的学习，它将相似的对象归到同一簇中。它有点像全自动分类。聚类方法几乎可以应用到所有对象，簇内的对象越相似，聚类的效果越好。K-均值（K-means）聚类算法，之所以称之为K-均值是因为它可以发现k个不... 查看详情
ng机器学习视频笔记——k-均值算法理论
ng机器学习视频笔记（十一）——K-均值算法理论 （转载请附上本文链接——linhxx） 一、概述 K均值（K-Means）算法，是一种无监督学习（Unsupervisedlearning）算法，其核心是聚类（Clus... 查看详情
sigai机器学习第二十四集高斯混合模型与em算法
讲授聚类算法的基本概念，算法的分类，层次聚类，K均值算法，EM算法，DBSCAN算法，OPTICS算法，meanshift算法，谱聚类算法，实际应用。大纲：聚类问题简介聚类算法的分类层次聚类算法的基本思想簇之间距离的定义k均值算法的... 查看详情
机器学习--k均值聚类算法原理方法及代码实现(代码片段)
一、K-means算法原理 k-means算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。对于给定的一个包含n个d维... 查看详情
k-means算法分析
...一次发布博客，大神绕路，不喜勿喷。最近公司要求一些机器学习的内容，所以在看一些机器学习有关的资料，最近看的书名字叫做机器学习实战。这是一本不错的书籍，很值得一读。好，不说废话，进入我们今天的正题。k-均... 查看详情
机器学习之无监督学习-k均值聚类算法(代码片段)
机器学习之无监督学习-K均值聚类算法对于无监督学习，有两类重要的应用，一个是聚类，一个是降维。我们今天主要学习聚类中的K均值聚类。我们先看看下图，图a为原始的数据点，我们想要对图a的数据点进... 查看详情
机器学习强基计划7-2：图文详解k-均值聚类(k-means)算法(附python实现)(代码片段)
...2.2K-means算法流程3Python实现3.1算法复现3.2可视化0写在前面机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树... 查看详情
机器学习-聚类kmeans(代码片段)
图解K-Means算法本文中介绍的是一种常见的无监督学习算法，名字叫做K均值算法：K-Means算法。K-Means算法在无监督学习，尤其是聚类算法中是最为基础和重要的一个算法。它实现起来非常简单。聚类效果也很不错的ÿ... 查看详情
机器学习聚类算法（实战）(代码片段)
聚类算法（实战）目录一、不同聚类算法的执行效果和所用时间二、准备工作（设置jupyternotebook中的字体大小样式等）三、Kmeans算法1、构建样本数据2、基于样本数据构建分类器3、绘制决策边界4、演示k-means算法... 查看详情
机器学习课程-第8周-聚类(clustering)
1.聚类(Clustering)1.1无监督学习:简介在一个典型的监督学习中，我们有一个有标签的训练集，我们的目标是找到能够区分正样本和负样本的决策边界，在这里的监督学习中，我们有一系列标签，我们需要据此拟合一个假设函数。与... 查看详情
机器学习实战精读--------apriori算法
关联分析（关联规则学习）：从大规模数据集中寻找物品间的隐含关系，Apriori算法：一种挖掘关联规则的频繁项算法，其核心是通过候选集生成和情节的向下封闭检测ll阶段来挖掘频繁项集，它是最具影响的挖掘布尔关联规则频... 查看详情
基本机器学习算法思想以及编程实现(代码片段)
概要把常用的机器学习算法：\(k\)-近邻算法、决策树、朴素贝叶斯、\(K\)-均值聚类其思想有及python代码实现总结一下。做到既要知其然又要知其所以然。参考《机器学习实战》。??\(k\)-近邻算法?基本原理?\(k\)-近邻算法是分类数... 查看详情
机器学习实战精读--------决策树
感觉自己像个学走路的孩子，每一步都很吃力和认真！机器根据数据集创建规则，就是机器学习。决策树：从数据集合中提取一系列规则，适用于探索式的知识发现。决策树本质：通过一系列规则对数据进行分类的过程。决策树... 查看详情
腾讯tmq机器学习之一：聚类实战
导读可预见的未来数据分析和机器学习将成为工作中必备技能，也许已经在某个项目中讨论怎么调参优化，就像过去讨论如何优雅的写python、如何避免C++内存泄露一样常见。一、简单介绍聚类算法1、聚类的定义聚... 查看详情