大数据挖掘课程作业。提出一种利用聚类和分类等数据技术来挖掘B站中具有高价值的up主。通过挖掘B站up主的视频播放信息，能够获得其点赞量、播放量、留言反馈等各种信息。基于这些信息对up主进行聚类，讲up主分为不同价值的群体。文中主要使用K-Means聚类算法来对B站up主群体进行分类，从而反映出不同up主的价值，并以此为依据来推送有高价值的up主，于平台、于用户而言都是有益的。实验结果显示，该方法展现出很好的分类效果。
2022-01-04 11:05:54
493KB
1
该函数用于训练用于矢量量化的码本。 首先将数据集拆分为两个集群，然后找到每个集群的均值（质心）。 找到每个向量与这些质心的距离，并且每个向量都与一个集群相关联。 每个簇的向量均值首先替换质心。 如果总距离没有显着提高，则质心每个都分裂为两个。 这种情况一直持续到达到所需的集群数量并且改进不大。
2021-12-31 05:23:23
4KB
1
Matlab代码sqrt
该存储库包含用于产生手稿结果的代码：（）。
代码-PCSKM
exeSimus.m：运行整个分析并将结果存储在./GenRes/results文件夹中。
该文件包含以下选项：
确定：
0/1开始时不带或带有随机种子。
JMPCKM_OVERLOAD：
0/1使用重载或非重载MPCK-Means。
该库用于MPCK-Means算法。
看
。
CONSTR_PERC：
0/1根据大小使用固定数量的约束或百分比。
日志：
（0）无日志文件且无显示，（1）仅日志文件，（2）仅显示，（其他）显示和日志文件。
constraints_type：要使用的约束类型；
0/1激活ML和/或CL，当从所有可用约束中选取-1则随机约束时，则同时选择了1则相等数量的每种类型的牺牲子。
Constraints_number：要使用的固定值或约束的百分比。
citer：每个约束的迭代次数
sstep：要测试的稀疏性参数值，从步骤1.1到sqrt（尺寸），步长为sstep
。
maxIter：算法迭代以达到收敛。
k折：选择k进行k折验证。
CVstatsPer.m：生成有关数据集的统计信
2021-12-28 15:40:03
5.59MB
1
关于k-means算法的源程序代码.%%%%%%函数说明%%%%%%
%输入：
% sample--样本集；
% k--聚类数目；
%输出：
% y--类标；
% cnew--聚类中心；
% n--迭代次数；
function [y cnew n]=k_means(sample,k)
2021-12-28 13:25:55
1KB
1
目前在教学管理中, 通常采用算术平均线性划分法对学生成绩进行分析评价, 难以准确地反映学生真实的学习情况. 笔者运用K-means 算法对上海市某高级中学某班的一次试卷成绩进行聚类, 并对聚类结果进行了详细分析, 为制定有效的教学及学习策略提供相关依据.
2021-12-15 11:37:42
208KB
1
这里面包含了k-means实现代码以及数据集，里面的注释比较简洁，但足以让你能够看懂。本代码是本人亲自试过多次，请放心使用。记得使用时改下代码里面的包名和你数据所放的位置，本代码中是放在D盘中的，你可以根据需要进行修改。。。。
2021-12-12 22:14:12
6KB
1
本文为大家分享了Python机器学习之K-Means聚类的实现代码，供大家参考，具体内容如下
1.K-Means聚类原理
K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。其基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。
算法大致流程为：（1）随机选取k个点作为种子点(这k个点不一定属于数据集)；（2）分别计算每个数据点到k个种子点的距离，离哪个种子点最近，就属于哪类；（3）重新计算k个种子
2021-12-09 16:22:55
75KB
1