java实现kmeans算法，可以处理任意维度的向量。并将聚类结果写入文本。 java实现kmeans算法，可以处理任意维度的向量。并将聚类结果写入文本。

k-means聚类算法及matlab代码 机器学习与数据挖掘实验 . 目录 实验内容 小组成员 队长：张奥翔 队员：何锦辉、王浩辉、吴振廷 仓库文件内容说明 文件/目录 说明 实验一 多源数据集成、清洗和统计 实验二 数据统计和可视化数据统计和可视化 实验三 k-means聚类算法 实验四 逻辑回归二分类 实验一 多源数据集成、清洗和统计 题目 ： ​ 广州大学某班有同学100人，现要从两个数据源汇总学生数据。第一个数据源在数据库中，第二个数据源在txt文件中，两个数据源课程存在缺失 、冗余和不一致性，请用C/C++/Java程序实现对两个数据源的一致性合并以及每个学生样本的数值量化。 0、两个数据源合并后读入内存，并统计： 1、学生中家乡在Beijing的所有课程的平均成绩： 2、学生家乡在广州，课程1在80分以上，且课程9在9分以上的男同学的数量： 3、比较广州和上海两地女生的平均体能测试成绩，哪个地区的更强些？ 4、学习成绩和体能测试成绩，两者的相关性是多少？（九门课的成绩分别与体能成绩计算相关性） (1) (2) 实验二 数据统计和可视化 题目 ： 基于实验一中清洗后的数据练

学习资源 第4章 回归与聚类算法 2 4.1. 线性回归 2 4.1.1. 线性回归的原理 2 4.1.2. 线性回归的损失和优化原理（理解记忆） 5 4.1.3. 线性回归API 9 4.1.4. 波士顿房价预测 10 4.1.5. 拓展-关于优化方法GD、SGD、SAG 14 4.1.6. 总结 15 4.2. 欠拟合与过拟合 15 4.2.1. 什么是过拟合与欠拟合 15 4.2.2. 原因以及解决办法 17 4.3. 线性回归的改进-岭回归 19 4.3.1. 带有L2正则化的线性回归-岭回归 19 4.4. 分类算法-逻辑回归与二分类 21 4.4.1. 逻辑回归的应用场景 21 4.4.2. 逻辑回归的原理 21 4.4.3. 逻辑回归API 23 4.4.4. 案例：癌症分类预测-良／恶性乳腺癌肿瘤预测 23 4.4.5. 分类的评估方法 25 4.5. 模型保存与加载 29 4.5.1. sklearn模型的保存和加载API 29 4.5.2. 线性回归的模型保存加载案例 29 4.6. 无监督学习-K-means算法 30 4.6.1. 什么是无监督学习 30 4.6

K-means聚类算法研究及应用

凝聚层次聚类算法 matlab源码.docx

基于K-Means聚类算法的景区数据分析——以黄果树景区为例.pdf

K 均值聚类算法(原理加程序代码).doc

K均值聚类算法优缺点.doc.doc

基于蚁群的聚类算法。matlab实现的。有说明PPT。

基于蚁群算法的聚类算法 matlab实现