无监督学习PCA降维处理和K-means聚类

上传者: 38696336 | 上传时间: 2021-12-07 18:52:02 | 文件大小: 152KB | 文件类型: -
1、无监督学习 没有目标值(变量)的算法 常见的无监督学习算法: 降维: – 主成分分析PCA降维处理 聚类: – K-means(k均值聚类) 2、主成分分析 应用PCA实现特征的降维 ·定义:高维数据转化为低维数据的过程,在此过程中可能会舍弃原有数据、创造新的变量 ·作用:是数据维散压缩,尽可能降低原数据的维数(复杂度),损失少量信息。 ·应用:回归分析或者聚类分析当中 PCA的APA: ·sklearn.decomposition.PCA(n_components=None) – 将数据分解为较低维数空间 n_components: ·小数:表示保留百分之多少的信息 ·整数:减少到多少特

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明