距离选择的原则
（1）要考虑所选择的距离公式在实际应用中有明确的意义。如欧氏距离就有非常明确的空间距离概念。马氏距离有消除量纲影响的作用。
（2）要综合考虑对样本观测数据的预处理和将要采用的聚类分析方法。如在进行聚类分析之前已经对变量作了标准化处理，则通常就可采用欧氏距离。
（3）要考虑研究对象的特点和计算量的大小。样品间距离公式的选择是一个比较复杂且带有一定主观性的问题，我们应根据研究对象的特点不同做出具体分折。实际中，聚类分析前不妨试探性地多选择几个距离公式分别进行聚类，然后对聚类分析的结果进行对比分析，以确定最合适的距离测度方法。
2022-05-30 17:59:57
605KB
1
之前的博文使用pyspark.mllib.recommendation做推荐案例，代码实现了如何为用户做电影推荐和为电影找到潜在的感兴趣用户。本篇博文介绍如何利用因子分解出的用户特征、电影特征做用户和电影的聚类分析，以看能否找到不同于已知的、有趣的新信息。
第一步：获取用户评分数据显式因式分解后的movieFactors、userFactors。
from pyspark.mllib.recommendation import ALS,Rating
#用户评分数据
rawData = sc.textFile("/Users/gao/data/ml-100k/u.data")
rawRatin
2022-05-27 21:19:39
268KB
1
各城市劳动力竞争力的谱系聚类分析，林婉虹，周文龙，劳动力竞争力指标评价体系主要包括劳动力队伍、劳动力投入、劳动力产出和劳动力环境四个方面的要素。在劳动力素质、劳动力科研投
2022-05-25 13:52:20
326KB
1
上机作业
已知十个样本，每个样本2个特征，数据如下：
用K次平均算法和ISODATA算法分成3类，编程上机，并画出分类图。
样本序号 1 2 3 4 5 6 7 8 9 10
x1 0 1 2 4 5 5 6 1 1 1
x2 0 1 1 3 3 4 5 4 5 6
2022-05-23 02:55:23
375KB
1
% 使用高斯分布（正态分布）
% 随机生成3个中心以及标准差
s = rng(5,'v5normal');
mu = round((rand(3,2)-0.5)*19)+1;
sigma = round(rand(3,2)*40)/10+1;
X = [mvnrnd(mu(1,:),sigma(1,:),200); ...
mvnrnd(mu(2,:),sigma(2,:),300); ...
mvnrnd(mu(3,:),sigma(3,:),400)];
2022-05-21 11:48:30
337KB
1