针对分布式Canopy-Kmeans算法中Canopy选取的随机性问题，采用“最小最大原则”对该算法进行了改进，避免了Cannopy选取的盲目性；采用MapReduce并行计算框架对算法进行了并行扩展，使之能够充分利用集群的计算和存储能力，从而适应海量数据的应用场景。以海量互联网新闻信息聚类作为应用背景，对改进后的算法进行了实验分析。实验结果表明：该方法较随机挑选Canopy策略在分类准确率以及抗噪能力上都明显提高，而且在处理海量数据时表现出较大的性能优势。
2022-01-31 21:44:11
566KB
1
matlab均值聚类的基本代码，代码参考自周志华《机器学习》9.4.1节而写的，代码使用matlab矩阵序列化操作，速度会快一点，本代码仅供参考，请尊重原创
2022-01-29 22:27:12
958B
1
简单的实现了K_means算法的可视化，这里分析的主要是坐标信息，数据源是文本信息txt文件。数据源大家可以修改
2022-01-23 19:12:16
1KB
1
共3个ipynb文件，包括对于数据预处理并可视化、kmeans聚类分析客户类型、用网格搜索随机森林的最佳参数并保证AUC大于0.75.
2022-01-22 19:02:18
144KB
1
使用matlab语言，在cifar-10数据集上完成了k-means方法的聚类任务，但是效果不是很好，由于使用的是matlab自身所带的函数，可能运行效果与此有关系。先暂定存档，日后想到好的方法再进行改进。
2022-01-19 20:19:08
320.78MB
1
更多描述https://pixelsciences.blogspot.com/2017/08/genetics-algorithm-centroid-selection-kmeans.html
2022-01-17 13:45:50
2KB
1
Kmeans聚类算法-手肘法，jupyter notebook 编写，打开可以直接运行，使用iris等5个数据集，机器学习。
2022-01-17 09:16:11
212KB