摘要：
DBSCAN聚类算法——机器学习（理论+图解+python代码） DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类算法，它是一种基于高密度连通区域的、基于密度的聚类算法，能够将具有足够高密度的区域划分为簇，并在 阅读全文
摘要：
谱聚类算法总结 简述 谱聚类是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到常见的聚类的目的。其中的最优是指最优目标函数不同，可以是割边最小分割,也可以是分割规模差不多且割边最小的分割。 谱聚类算法首先根据给定的样本数据集定 阅读全文
摘要：
奇异值分解(SVD)及其应用 PCA的实现一般有两种，一种是用特征值分解去实现的，一种是用奇异值分解去实现的。在上篇文章中便是基于特征值分解的一种解释。特征值和奇异值在大部分人的印象中，往往是停留在纯粹的数学计算中。而且线性代数或者矩阵论里面，也很少讲任何跟特征值与奇异值有关的应用背景。奇异值分解是 阅读全文
摘要：
降维-LDA线性判别分析 降维-LDA线性判别分析 降维-LDA线性判别分析 降维-LDA线性判别分析 【机器学习】LDA线性判别分析 1. LDA的基本思想 2. LDA求解方法 3. 将LDA推广到多分类 4. LDA算法流程 5. LDA和PCA对比 【附录1】瑞利商与广义瑞利商 线性判别分析 阅读全文
摘要：
k-means 的原理，优缺点以及改进 k-means 的原理，优缺点以及改进 k-means 的原理，优缺点以及改进 k-means 的原理，优缺点以及改进 K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K 阅读全文
摘要：
最优化问题综述 最优化问题综述 最优化问题综述 最优化问题综述 1 优化问题分类 优化问题一般可分为两大类：无约束优化问题和约束优化问题，约束优化问题又可分为含等式约束优化问题和含不等式约束优化问题。 无约束优化问题 含等式约束的优化问题 含不等式约束的优化问题 2 求解策略 针对以上三种情形，各有 阅读全文
摘要：
最近在看《机器学习实战》这本书，因为自己本身很想深入的了解机器学习算法，加之想学python，选择了这本书进行学习。 一 . K-近邻算法（KNN）概述 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有 阅读全文
摘要：
k-均值聚类Python代码实现 k-均值聚类的简介可以参考：http://blog.csdn.net/fengbingchun/article/details/79276668 k-均值聚类Python代码实现 k-均值聚类的简介可以参考：http://blog.csdn.net/fengbing 阅读全文
摘要：
深度学习入门必须理解这25个概念 2017年05月22日 21:11:51 Star先生 阅读数：30013 深度学习入门必须理解这25个概念 2017年05月22日 21:11:51 Star先生 阅读数：30013 深度学习入门必须理解这25个概念 深度学习入门必须理解这25个概念 2017年0 阅读全文
摘要：
kmeans聚类理论篇 前言 kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。 本文记录学习kmeans算法相关的内容，包括算法原理，收敛性，效果评估聚，最后带上R 阅读全文