1、概述
本篇博文为数据挖掘算法系列的第一篇。现在对于Kmeans算法进行简单的介绍，Kmeans算法是属于无监督的学习的算法，并且是最基本、最简单的一种基于距离的聚类算法。
下面简单说一下Kmeans算法的步骤：
选随机选取K的簇中心（注意这个K是自己选择的）
计算每个数据点离这K个簇中心的距离，然后将这个点划分到距离最小的簇中
重新计算簇中心，即将每个簇的所有数据点相加求均值，将这个均值作为对应簇的新簇中心。
重复2、3步，直到满足了你设置的停止算法迭代的条件
注意：停止算法迭代的条件一般有三个：
没有（或最小数目）对象被重新分配给不同的聚类。
没有（或最小数目）聚类中心再发生变化。
误差
2022-05-31 00:43:12
142KB
1
该资源主要参考我的博客：
[python] Kmeans文本聚类算法+PAC降维+Matplotlib显示聚类图像
http://blog.csdn.net/eastmount/article/details/50545937
包括输入文档txt，共1000行数据，每行都是分词完的文本。
本文主要讲述以下几点：
1.通过scikit-learn计算文本内容的tfidf并构造N*M矩阵(N个文档 M个特征词)；
2.调用scikit-learn中的K-means进行文本聚类；
3.使用PAC进行降维处理，每行文本表示成两维数据；
2022-05-30 23:14:11
358KB
实验 Spark ML Bisecting k-means聚类算法使用，实验文档
2022-05-26 14:39:08
30KB
1
1、实现效果：见链接：https://blog.csdn.net/SoaringLee_fighting/article/details/124230303
2、基于帧间相关性和K-means的视频篡改检测（Matlab代码）
3、适用于计算机，电子信息工程等专业的大学生课程设计和毕业设计。
2022-05-25 14:09:18
26.52MB