回归与聚类算法学习笔记

4.回归与聚类算法

4.1 线性回归

4.1.1 线性回归的原理

1 线性回归应用场景

房价预测
销售额度预测
金融：贷款额度预测、利用线性回归以及系数分析因子

2 什么是线性回归

1）定义与公式

线性回归(Linear regression)是利用回归方程（函数）对一个或多个自变量（特征值）和因变量（目标值）之间关系进行建模的一种分析方式。

特点：只有一个自变量的情况称为单变量回归，多于一个自变量情况的叫做多元回归

通用公式：$h(w) = w1x1+w2x2+w3x3...+b=w^Tx+b$

其中w,x可以理解为矩阵：

$w=\begin{pmatrix} b \\ w1 \\ w2 \end{pmatrix},x=\begin{pmatrix} 1 \\ x1 \\ x2 \end{pmatrix}$

特征值与目标值之间建立了一个关系，这个关系可以理解为线性模型。

2）线性回归的特征与目标的关系分析

线性回归当中线性模型有两种，一种是线性关系，另一种是非线性关系。

注：单特征与目标值的关系呈直线关系，或者两个特征与目标值呈现平面的关系
更高维度的我们不用自己去想，记住这种关系即可

如果是非线性关系那么回归方程可以理解为：w1x1 + w2x2^2 + w3x3^2

线性模型包括：

y = w1x1 + w2x2 + w3x3 + ... + wnxn + b
y = w1x1 + w2x2^2 + w3x3^2 + b

线性关系&线性模型

线性关系一定是线性模型
线性模型不一定是线性关系

4.1.2 线性回归的损失和优化原理（理解记忆）

目标：求模型参数 → 模型参数能够使得预测准确

1 损失函数

损失函数/cost/成本函数/目标函数

总损失定义为：

\[J(\theta) = (h_w(x_1)-y_1)^2 + (h_w(x_2)-y_2)^2+...+(h_w(x_m)-y_m)^2 \\ = \sum_{i=1}^m(h_w(x_i) - y_i) ^2 \]

yi为第i个样本的真实值
h(xi)为第i个训练样本特征值组合预测函数
又称最小二乘法

减少这个损失的过程称为损失优化

2 优化算法

线性回归经常使用的两种优化算法

正规方程
天才 - 直接求解w
$ w = (X^TX)X^Ty$

理解：X为特征值矩阵，y为目标值矩阵，直接求到最好的结果
缺点：当特征值过多过复杂时，求解速度太慢且得不到结果
梯度下降(Gradient Descent)
勤奋努力的普通人 - 不断试错、改进
$w1' := w1 - \alpha\frac{\theta (w0+w1x1)}{\theta w1}$
$w0' := w0 - \alpha\frac{\theta (w0+w1x1)}{\theta w1}$

理解：α为学习速率，需要手动指定（超参数），α旁边的整体表示方向，沿着这个函数下降的方向找，最后就能找到山谷的最低点，然后更新W值
使用：面对训练数据规模十分庞大的任务，能够找到较好的结果

4.1.3 线性回归API

sklearn.linear_moder.LinearRegression(fit_intercept=True)
- 通过正规方程优化
- fit_intercept：是否计算偏置
- LinearRegression.coef_：回归系数
- LinearRegression.intercept_：偏置
sklearn.linear_moder.SGDRegressor(loss="squared_loss",fit_intercept=True,learning_rate='invscaling',eta0=0.01)
- SGDRegressor类实现了随机梯度下降学习，它支持不同的loss函数和正则化惩罚项来拟合线性回归模型。
- loss：损失类型
  - loss="squared_loss"：普通最小二乘法
- fit_intercept：是否计算偏置
- learning_rate:string,optional
  - 学习率填充
  - 'constant'：eta = eta0
  - 'optimal'：eta = 1.0/(alpha *(t+t0))[default]
  - 'invscaling'：eta = eta0 / pow(t,power_t)
    power_t=0.25：存在父类当中
  - 对于一个常数值的学习率来说，可以使用learning_rate='constant'，并使用eta0来指定学习率。
- SGDRegressor.coef_：回归系数
- SGDRegressor.intercept_：偏置

sklearn提供给我们两种实现的API，可以根据选择使用

4.1.4 波士顿房价预测

1 分析

回归当中的数据大小不一致，会导致结果影响较大。所以需要做标准化处理。

数据分割与标准化处理
回归预测
线性回归的算法效果评估

2 回归性能评估

均方误差（Mean Squared Error)MSE 评价机制：

$MSE = \frac{1}{m} \sum_{i=1}^{m}(y^i(预测值)-\bar{y}(真实值))^2$

sklearn.metrics.mean_squared_error(y_true, y_pred)
- 均方误差回归损失
- y_true：真实值
- y_pred：预测值
- return：浮点数结果

3 代码

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression, SGDRegressor
from sklearn.metrics import mean_squared_error

def linear1():
    """
    正规方程的优化方法对波士顿房价进行预测
    :return:
    """
    # 1）获取数据
    boston = load_boston()
    
    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22)
    
    # 3）标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    
    # 4）预估器
    estimator = LinearRegression()
    estimator.fit(x_train, y_train)
    
    # 5）得到模型
    print("正规方程-权重系数为：",estimator.coef_)
    print("正规方程-偏置为：",estimator.intercept_)
    
    # 6）模型评估
    y_predict = estimator.predict(x_test)
    print("预测房价：\n",y_predict)
    error = mean_squared_error(y_test, y_predict)
    print("正规方程-均方误差为：\n",error)
    
    return None

def linear2():
    """
    梯度下降的优化方法对波士顿房价进行预测
    :return:
    """
    # 1）获取数据
    boston = load_boston()
    
    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22)
    
    # 3）标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    
    # 4）预估器
    estimator = SGDRegressor() 
    # SGDRegressor()可以设置（调参）
    estimator.fit(x_train, y_train)
    
    # 5）得到模型
    print("梯度下降-权重系数为：",estimator.coef_)
    print("梯度下降-偏置为：",estimator.intercept_)
    
    # 6）模型评估
    y_predict = estimator.predict(x_test)
    print("预测房价：\n",y_predict)
    error = mean_squared_error(y_test, y_predict)
    print("梯度下降-均方误差为：\n",error)
    
    return None

if __name__ == '__main__':
    # 代码1：正规方程的优化方法对波士顿房价进行预测
    linear1()
	# 代码2：梯度下降的优化方法对波士顿房价进行预测
    linear2()

4 回归方程和梯度下降对比

文字对比

梯度下降正规方程

需要选择学习率不需要

需要迭代求解一次运算得出

特征数量较大可以使用需要计算方程，时间复杂度高O(n3)
选择：
- 小规模数据：
  - LinearRegression（不能解决拟合问题）
  - 岭回归
- 大规模数据：SGDRegressor

梯度下降	正规方程
需要选择学习率	不需要
需要迭代求解	一次运算得出
特征数量较大可以使用	需要计算方程，时间复杂度高O(n3)

正规方程不一定比梯度下降好，梯度下降灵活性高，参数设置不一样结果不一样。梯度下降通用性强，正规方程局限性大

4.1.5 拓展-关于优化方法GD、SGD、SAG

1 GD

梯度下降(Gradient Descent)，原始的梯度下降法需要计算所有样本的值才能够得出梯度，计算量大，所以后面才有一系列的改进。

2 SGD

随机梯度下降(Stoochatic gradient descent)是一个优化方法，它在一次迭代时只考虑一个训练样本。

SGD的优点是：

高效

容易实现

SGD的缺点是：

SGD需要许多超参数：比如正规项参数、迭代数

SGD对于特征标准化是敏感的。

3 SAG

随机平均梯度法(Stochasitc Average Gradient)，由于收敛的速度太慢，有人提出SAG等基于梯度下降的算法

Scikit-learn：岭回归、逻辑回归等当中都会有SAG优化

4.2 欠拟合与过拟合

4.2.1 什么是过拟合与欠拟合

定义

过拟合：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在测试数据集上却不能很好的拟合数据，此时认为这个假设出现了过拟合现象。（模型过于复杂）
欠拟合：一个假设在训练数据上不能获得更好的拟合，并且在测试数据集上也不能很好地拟合数据，此时认为这个假设出现了欠拟合现象。（模型过于简单）

4.2.2 原因以及解决方法

欠拟合原因以及解决方法
- 原因：学习到数据的特征过少
- 解决方法：解决数据的特征数量
过拟合原因以及解决方法
- 原因：原始特征过多，存在一些嘈杂特征，模型过于复杂是因为模型尝试去兼顾各个测试数据点
- 解决方法：正则化（尽量减小高次项特征的影响）

1 正则化类别

L2正则化
- 作用：可以使得其中一些w都很小，都接近于0，削弱某个特征的影响
- 优点：越小的参数说明模型越简单，越简单的模型则越不容易产生过拟合现象。
- Ridge回归
- 加入L2正则化后的损失函数：
  $J(w) = \frac{1}{2m} \sum_{i=1}^m(h_w(x_i)-y_i)^2 + \lambda \sum_{j=1}^n w_j^2$
  
  损失函数 + 惩罚系数λ*惩罚项（平方）
  注：m为样本数，n为特征数
L1正则化
- 作用：可以使得其中一些W的值直接为0，删除这个特征的影响
- LASSO回归
- 损失函数 + 惩罚系数λ*惩罚项（绝对值）

4.3 线性回归的改进 - 岭回归

4.3.1带有L2正则化的线性回归-岭回归

岭回归，其实也是一种线性回归。只不过在算法建立回归方程时，加上正则化的限制，从而达到解决过拟合的效果。

1 API

sklearn.linear_model.Ridge(alpha=1.0,fit_intercept=True,solver="auto",normalize=False)
- 具有L2正则化的线性回归
- alpha：正则化力度，也叫λ
  - λ取值：0~1 1~10
- solver：会根据数据自动选择优化方法
  - sag：如果数据集、特征都比较大，选择该随机梯度下降优化
- normalize：数据是否进行标准化
  - normalize=False：是否可以在fit之前调用preprocessing.StandardScaler标准化数据
- Ridge.coef_：回归权重
- Ridge.intercept_：回归偏置

Ridge方法相当于SGDRegressor(penalty='l2',loss="squared_loss")，只不过SGDRegressor实现了一个普通的随机梯度下降学习，推荐使用Ridge（实现了SAG）

sklearn.linear_model.RidgeCV(_BaseRidgeCV,RegressorMixin)
- 具有l2正则化的线性回归，可以进行交叉验证
- coef_:回归系数

2 观察正则化程度的变化，对结果的影响？

正则化力度越大，权重系数会越小
正则化力度越小，权重系数会越大

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import Ridge
from sklearn.metrics import mean_squared_error

def linear3():
    """
    岭回归对波士顿房价进行预测
    :return:
    """
    # 1）获取数据
    boston = load_boston()
    
    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22)
    
    # 3）标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    
    # 4）预估器
    estimator = Ridge()
    estimator.fit(x_train, y_train)
    
    # 5）得到模型
    print("岭回归-权重系数为：",estimator.coef_)
    print("岭回归-偏置为：",estimator.intercept_)
    
    # 6）模型评估
    y_predict = estimator.predict(x_test)
    print("预测房价：\n",y_predict)
    error = mean_squared_error(y_test, y_predict)
    print("岭回归-均方误差为：\n",error)
    
    return None


if __name__ == '__main__':
    # 代码3：岭回归对波士顿房价进行预测
    linear3()

4.4 分类算法-逻辑回归与二分类

4.4.1 逻辑回归的应用场景

广告点击率 → 是否被点击
是否为垃圾邮件
是否患病
是否为金融诈骗
是否为虚假账号

都属于二分类问题

4.4.2 逻辑回归的原理

1 输入

$h(w) = w_1x_1+w_2x_2+w_3x_3 ... + b$

逻辑回归的输入就是一个线性回归的结果

2 激活函数

sigmoid函数 $g(\theta^Tx) = \frac{1}{1+e^{-(\theta^Tx)}}$
分析
- 回归的结果输入到sigmoid函数当中
- 输出结果：[0,1]区间中的一个概率值，默认为0.5为阈值（如果输出大于阈值就属于这个类别，小于则不属于这个类别）

3 损失以及优化

1 损失

逻辑回归的损失，称之为对数似然损失，公式如下：

分开类别：
\[cost(h_\theta (x),y) = \begin{cases} -log(h_\theta (x)) &\text{if } y=1 \\ -log(1-h_\theta (x)) &\text{if } y=0 \end{cases} \]

综合完整损失函数
\[cost(h_\theta (x),y) = \sum_{i=1}^m -y_i log(h_\theta (x)) - (1 - y_i)log(1-h_\theta (x)) \]

2 优化

同样使用梯度下降优化算法，去减少损失函数的值。这样去更新逻辑回归前面对应算法的权重参数，提升原本属于1类别的概率，降低原本是0类别的概率。

4.4.3 逻辑回归API

sklearn.linear_model.LogisticRegression(solver='liblinear',penalty='l2',C=1.0)

solver:优化求解方式（默认开源的liblinear库实现，内部使用了坐标轴下降法来迭代优化损失函数）
penalty：正则化的种类
C：正则化力度

默认将类别数量少的当做正例

LogisticsRegression方法相当于SGDClassifier(loss="log",penalty=" ")，SGDClassifier实现了一个普通的随机梯度下降学习，也支持平均随机梯度下降法（ASGD），可以通过设置average = True。而使用LogisticsRegression（实现了SAG）

4.4.4 案例：癌症分类预测

流程分析：

获取数据（读取时加上names
数据处理（处理缺失值
数据集划分
特征工程（无量纲化处理—标准化
逻辑回归预估值
模型评估

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

def logisticregression():
    """
    逻辑回归进行癌症预测
    :return:None
    """
    # 1 读取数据，处理缺失值以及标准化
    column_name=['列名1','列名2',...,'列名n']
    data = pd.read_csv("数据地址",names=column_name)
    
    # 2 缺失值处理
    # 1）替换→np.nan
    data = data.replace(to_replace="?",value=np.nan)
    # 2）删除缺失样本
    data.dropna()
    
    # 3 划分数据集
    # 筛选特征值和目标值
    x = data.iloc[:,1:-1]
    y = data["目标值列名"]
    x_train, x_test, y_train, y_test = train_test_split(x,y)
    
    # 4 特征工程   标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    
    # 5 逻辑回归预估值
    estimator = LogisticRegression()
    estimator.fit(x_train, y_train)
    
    # 6 模型评估
    # 方法1：直接对比真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n",y_predict)
    print("直接对比真实值和预测值：\n",y_test == y_predict)

    # 方法2：计算准确率
    score = estimator.score(x_test,y_test)
    print("准确率为：\n",score)
    
    return None

4.4.5 分类的评估方法

1 精确率与召回率

1 混淆矩阵

在分类任务下，预测结果与正确标记之间存在四种不同的组合，构成混淆矩阵（适用于多分类）

	预测结果为正例	预测结果为伪例
真实结果为正例	真正例TP	伪反例FN
真实结果为伪例	伪正例FP	真反例TN

2 精确率(Precision)与召回率(Recall)

精确率：预测结果为正例样本中真实为正例的比例（查的对不对）$\frac{TP}{TP+FP}$
召回率：真实为正例样本中预测结果为正例的比例（查的全不全）$\frac{TP}{TP+FN}$
还有其他的评估标准，F1-score，反映了模型的稳健型$F12 = \frac{2TP}{2TP+FN+FP} = \frac{2*Precision*Recall}{Precision+Recall}$

3 分类评估报告API

sklearn.metrics.classification_report(y_true,y_pred,labels=[],target_names=None)
- y_true：真实目标值
- y_pred：预估器预测目标值
- labels：指定类别对应数字
- target_name：目标类别名称
- return：每个类别精确率与召回率

# 查看精确率、召回率、F1-score
from sklearn.metrics import classification_report
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

def logisticregression():
    """
    逻辑回归进行癌症预测
    :return:None
    """
    # 1 读取数据，处理缺失值以及标准化
    column_name=['列名1','列名2',...,'列名n']
    data = pd.read_csv("数据地址",names=column_name)
    
    # 2 缺失值处理
    # 1）替换→np.nan
    data = data.replace(to_replace="?",value=np.nan)
    # 2）删除缺失样本
    data.dropna()
    
    # 3 划分数据集
    # 筛选特征值和目标值
    x = data.iloc[:,1:-1]
    y = data["目标值列名"]
    x_train, x_test, y_train, y_test = train_test_split(x,y)
    
    # 4 特征工程   标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    
    # 5 逻辑回归预估值
    estimator = LogisticRegression()
    estimator.fit(x_train, y_train)
    
    # 6 模型评估
    # 方法1：直接对比真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n",y_predict)
    print("直接对比真实值和预测值：\n",y_test == y_predict)

    # 方法2：计算准确率
    score = estimator.score(x_test,y_test)
    print("准确率为：\n",score)
    
    # 查看精确率、召回率、F1-score
    report = classification_report(y_test, y_predict. labels=[2,4],target_names=["良性","恶性"])
    print(report)
    
    return None

2 ROC曲线与AUC指标

1 知道TPR与FPR

TPR = TP / (TP + FN) —— 召回率
- 所有真实类别为1的样本中，预测类别为1的比例
FPR = FP / (FP + TN)
- 所有真实类别为0的样本中，预测类别为1的比例

2 ROC曲线

ROC曲线的横轴就是FPRate，纵轴就是TPRate，当两者相等时，表示的意义则是：对于不论真实类别是1还是0的样本，分类器预测为1的概率是相等的，此时AUC为0.5

3 AUC指标

AUC的概率意义是随机取一对正负样本，正样本得分大于负样本的概率
AUC的最小值为0.5，最大值为1，取值越高越好
AUC=1，完美分类器，采用这个预测模型时，不管设定什么阈值都能得出完美预测。绝大多数预测的场合，不存在完美的分类器。
0.5＜AUC＜1，优于随机猜测。这个分类器（模型）妥善设定阈值的话，能有预测价值。

最终AUC的范围在[0.5,1]之间，并且越接近1越好

4 AUC计算API

from sklearn.metrics import roc_auc_score
- sklearn.metrics.roc_auc_score(y_true,y_score)
  - 计算ROC曲线面积，即AUC值
  - y_true：每个样本的真实类别，必须为0(反例)，1（正例）标记
  - y_score：预测得分，可以是正类的估计概率、置信值或者分类器方法的返回值

y_true = np.where(y_test > 3, 1, 0)

print("AUC指标：",roc_auc_score(y_true,y_predict)

5 总结

AUC只能用来评价二分类
AUC非常适合评价样本不平衡中的分类器性能

4.5 模型保存和加载

4.5.1 sklearn模型的保存和加载API

from sklearn.externals import joblib
- 保存：joblib.dump(rf预估器,'test.pkl')
- 加载：estimator = joblib.load('test.pkl')

4.5.2 线性回归的模型保存加载案例

保存

    # 4）预估器
    estimator = Ridge()
    estimator.fit(x_train, y_train)
    
    # 保存模型
    joblib.dump(estimator,"my_ridge.pkl")

加载

 # 加载模型
    estimator = joblib.load("my_ridge.pkl")

4.6 无监督学习 k-means算法

4.6.1 什么是无监督学习

从无标签的数据开始学习

4.6.2 无监督学习包含算法

聚类
- K-means(K均值聚类)
降维
- PCA

4.6.3 K-means原理

K-means聚类步骤

1、随机设置K个特征空间内的点作为初始的聚类中心（K — 超参数。取值→1）看需求，2）调节超参数）
2、对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记类别
3、全部标记后，重新计算出每个聚类的新中心点（平均值）
4、如果计算得出的新中心点与原中心点一样，那么结束，否则重新进行第二步

4.6.4 K-means API

sklearn.cluster.KMeans(n_clusters=8,init='k-means++')
- k-means聚类
- n_clusters：开始的聚类中心数量
- init：初始化方法，默认为'k-means++'
- labels_:默认标记的类型，可以和真实值比较（不是值比较）

4.6.5 案例：K-means对Instacart Market用户聚类

1 分析

降维后的数据

预估器流程
看结果
模型评估

# 预估器流程
from sklearn.cluster import KMeans

estimator = KMeans(n_clusters=3)
estimator.fit(data)
estimator.predict(data)

4.6.6 K-means性能评估指标

1 轮廓系数

$SC_i = \frac{b_i-a_i}{max(b_i,a_i)}$

注：对于每个点i为已聚类数据中的样本，bi为i到其它族群的所有样本的距离最小值，ai为i到本身族的距离平均值。最终计算出所有的样本点的轮廓系数平均值

2 轮廓系数值分析

uploading-image-569648.png

3 结论

如果bi>>ai：趋近于1，效果越好；bi<<ai：趋近于-1，效果不好。轮廓系数的值是介于[-1,1]，越趋近于1代表内聚度和分离度都相对较优。

4 轮廓系数API

sklearn.metrics.silhouette_score(X,labels)
- 计算所有样本的平均轮廓系数
- X：特征值
- labels：被聚类标记的目标值

# 模型评估 - 轮廓系数
from sklearn.metrics import silhouette_score

silhouette_score(data,y_predict)

4.6.7 K-means总结

特点分析：采取迭代式算法，直观易懂并且非常实用
缺点：容易收敛到局部最优解（多次类聚）

注意：聚类一般坐在分类之前

posted @ 2020-02-11 16:18 19呀阅读(1397) 评论(0) 编辑收藏举报

刷新页面返回顶部

L19

回归与聚类算法 学习笔记

4.回归与聚类算法

4.1 线性回归

4.1.1 线性回归的原理

1 线性回归应用场景

2 什么是线性回归

1） 定义与公式

2） 线性回归的特征与目标的关系分析

4.1.2 线性回归的损失和优化原理（理解记忆）

1 损失函数

2 优化算法

4.1.3 线性回归API

4.1.4 波士顿房价预测

1 分析

2 回归性能评估

3 代码

4 回归方程和梯度下降对比

4.2 欠拟合与过拟合

4.2.1 什么是过拟合与欠拟合

定义

4.2.2 原因以及解决方法

1 正则化类别

4.3 线性回归的改进 - 岭回归

4.3.1带有L2正则化的线性回归-岭回归

1 API

2 观察正则化程度的变化，对结果的影响？

4.4 分类算法-逻辑回归与二分类

4.4.1 逻辑回归的应用场景

4.4.2 逻辑回归的原理

1 输入

2 激活函数

3 损失以及优化

1 损失

2 优化

4.4.3 逻辑回归API

4.4.4 案例：癌症分类预测

4.4.5 分类的评估方法

1 精确率与召回率

1 混淆矩阵

2 精确率(Precision)与召回率(Recall)

3 分类评估报告API

2 ROC曲线与AUC指标

1 知道TPR与FPR

2 ROC曲线

3 AUC指标

4 AUC计算API

5 总结

4.5 模型保存和加载

4.5.1 sklearn模型的保存和加载API

4.5.2 线性回归的模型保存加载案例

4.6 无监督学习 k-means算法

4.6.1 什么是无监督学习

4.6.2 无监督学习包含算法

4.6.3 K-means原理

K-means聚类步骤

4.6.4 K-means API

4.6.5 案例：K-means对Instacart Market用户聚类

1 分析

4.6.6 K-means性能评估指标

1 轮廓系数

2 轮廓系数值分析

3 结论

4 轮廓系数API

4.6.7 K-means总结

公告

回归与聚类算法学习笔记

1）定义与公式

2）线性回归的特征与目标的关系分析