python实现机器学习K-means聚类算法.zip

上传者: 55305220 | 上传时间: 2022-12-13 14:25:29 | 文件大小: 55.67MB | 文件类型: ZIP
python实现机器学习K-means聚类算法.zip对数据进行聚类并绘图。原理 ​ K-means算法属于八大经典的机器学习算法中的其中一种,是一种无监督的聚类算法。其中无监督是机器学习领域中一个专业名词,和有监督是相对的,两者最本质的区别就在于研究的样本是否包含标签。比如猫狗分类这个问题中,猫和狗就是标签。对于聚类,其实是和分类相对应的,其中分类就是之有标签的。而聚类则是只没有标签的,我们需要将这些无标签的数据,按照各自的属性将他们会聚成不同的类别,从而将他们区分开。 ​ 在k-means算法中,存在着质心和簇。在进行算法之前,我们需要人工的指定将数据分为K个簇,并随便选取K个质心。就拿认知实习学习中的例子举例,假如我们又8个数据,分别为a1-a8,我们需要将这八个数据分为三个簇,也就是说k=3。这是我们就需要在a1-a8中随机选取三个数据点作为质心我们将质心记为b11,b12,b13。确定了质心后,我们需要计算a1-a8和三个质心的距离,并将距离最短的归为一类。比如a5到b11距离为2,到b12距离为3,到b13距离为1,那么就将a5和质心b13归为同一个簇。如此一次计算8个数

文件下载

资源详情

[{"title":"( 25 个子文件 55.67MB ) python实现机器学习K-means聚类算法.zip","children":[{"title":"k-means-master","children":[{"title":"res","children":[{"title":"2RtteNCBk9.gif <span style='color:#111;'> 52.07MB </span>","children":null,"spread":false},{"title":"5.png <span style='color:#111;'> 15.59KB </span>","children":null,"spread":false},{"title":"o43sUC0KFC.gif <span style='color:#111;'> 3.35MB </span>","children":null,"spread":false},{"title":"1.png <span style='color:#111;'> 16.19KB </span>","children":null,"spread":false},{"title":"2.png <span style='color:#111;'> 15.75KB </span>","children":null,"spread":false},{"title":"4.png <span style='color:#111;'> 15.68KB </span>","children":null,"spread":false},{"title":"3.png <span style='color:#111;'> 15.76KB </span>","children":null,"spread":false}],"spread":true},{"title":"data","children":[{"title":"bossHtml5.html <span style='color:#111;'> 265.89KB </span>","children":null,"spread":false},{"title":"bossHtml6.html <span style='color:#111;'> 268.16KB </span>","children":null,"spread":false},{"title":"bossHtml8.html <span style='color:#111;'> 242.03KB </span>","children":null,"spread":false},{"title":"BossData.xls <span style='color:#111;'> 73.50KB </span>","children":null,"spread":false},{"title":"bossHtml2.html <span style='color:#111;'> 264.83KB </span>","children":null,"spread":false},{"title":"bossHtml4.html <span style='color:#111;'> 265.24KB </span>","children":null,"spread":false},{"title":"bossHtml1.html <span style='color:#111;'> 269.63KB </span>","children":null,"spread":false},{"title":"bossHtml3.html <span style='color:#111;'> 267.20KB </span>","children":null,"spread":false},{"title":"bossHtml7.html <span style='color:#111;'> 267.58KB </span>","children":null,"spread":false}],"spread":true},{"title":"src","children":[{"title":"K-means.py <span style='color:#111;'> 3.60KB </span>","children":null,"spread":false},{"title":"BossSpider.py <span style='color:#111;'> 6.90KB </span>","children":null,"spread":false}],"spread":true},{"title":".idea","children":[{"title":"misc.xml <span style='color:#111;'> 192B </span>","children":null,"spread":false},{"title":"vcs.xml <span style='color:#111;'> 180B </span>","children":null,"spread":false},{"title":"K-means.iml <span style='color:#111;'> 284B </span>","children":null,"spread":false},{"title":"modules.xml <span style='color:#111;'> 266B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 180B </span>","children":null,"spread":false},{"title":"inspectionProfiles","children":[{"title":"profiles_settings.xml <span style='color:#111;'> 174B </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"README.md <span style='color:#111;'> 4.59KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

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