机器学习|层次聚类方法 (Python 语言描述)
机器学习 / K-Means / 层次聚类
1 小时 读完 (大约 7465 个字)

机器学习|层次聚类方法 (Python 语言描述)

在之前的文章中，我们学习了划分聚类方法，并着重介绍了其中的 K-Means 算法。K-Means 算法可以说是用处非常广泛的聚类算法之一，它非常好用。但是，当你使用过这种算法之后，你就会发现一个比较让人「头疼」的问题，那就是我们需要手动指定 K 值，也就是聚类的类别数量。

预先确定聚类的类别数量看起来是个小事情，但是在很多时候是比较麻烦的，因为我们可能在聚类前并不知道数据集到底要被聚成几类。例如，下面的示意图中，感觉聚成 2 类或者 4 类都是比较合理的。

阅读更多
follow

链接

分类

标签云

BPR CNN Deep learning ECS Gradient Descent HAC MAE MAPE MF MSE Neural Style Transfer RS Seafile TensorFlow Ubuntu VGG19 artificial neural network bagging blog boosting cluster decision tree deep learning github jekyll k-means k-nearest neighbors linear regression machine learning naive bayes next perceptron polynomial regression python sort support vector machine

最新文章

归档

标签

BPR 1
CNN 1
Deep learning 1
ECS 2
Gradient Descent 2
HAC 1
MAE 1
MAPE 1
MF 1
MSE 1
Neural Style Transfer 1
RS 1
Seafile 1
TensorFlow 1
Ubuntu 2
VGG19 1
artificial neural network 1
bagging 1
blog 2
boosting 1
cluster 1
decision tree 1
deep learning 1
github 2
jekyll 1
k-means 2
k-nearest neighbors 1
linear regression 2
machine learning 15
naive bayes 1
next 1
perceptron 1
polynomial regression 1
python 16
sort 2
support vector machine 1

最新文章

归档

标签

BPR 1
CNN 1
Deep learning 1
ECS 2
Gradient Descent 2
HAC 1
MAE 1
MAPE 1
MF 1
MSE 1
Neural Style Transfer 1
RS 1
Seafile 1
TensorFlow 1
Ubuntu 2
VGG19 1
artificial neural network 1
bagging 1
blog 2
boosting 1
cluster 1
decision tree 1
deep learning 1
github 2
jekyll 1
k-means 2
k-nearest neighbors 1
linear regression 2
machine learning 15
naive bayes 1
next 1
perceptron 1
polynomial regression 1
python 16
sort 2
support vector machine 1
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×