摘要： 本系列旨在普及那些深度学习路上必经的核心概念，文章内容都是博主用心学习收集所写，欢迎大家三联支持！本系列会一直更新，核心概念系列会一直更新！欢迎大家订阅 聚类算法 聚类算法是一种无监督学习的机器学习算法，用于将数据集中的样本划分为具有相特征的组或簇。其目标划分的原则是组内(内部)距离最小化，而组间(外部)距离最大化。在商业上，聚类可以帮助市场分析人员从消费者数据库中区分出不同的消费群体，并且...

并将文章存储为纯文本文件。其次，语料库对象处理完整的文章集，允许方便地访问单个文件，并提供全局数据，例如单个标记的数量。         在本文中，创建了一组精选的维基百科文章并应用了 KMeans 聚类。具体来说，您将学习如何将语料库数据准备为 DataFrame。         本文的技术背景是Python v3.11和scikit-learn v1.2.2。所有示例也应该适用于较新的库版本。 ...

聚类与判别分析概述 基本概念 聚类分析         聚类分析的基本思想是找出一些能够度量样本或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样本（或指标）聚合为一类，把另外一些彼此之间相似程度较大的样本又聚合为一类。根据分类对象的不同，聚类分析可分为对样本的聚类和对变量的聚类两种。  判别分析          判别分析是判别样本所属类型的一种统计方法。 样本间亲疏关...

文章目录 0 简介1 项目介绍1.1 提取文本特征1.2 聚类算法选择 2 代码实现2.1 中文文本预处理2.2 特征提取2.2.1 Tf-idf2.2.2 word2vec 2.3 聚类算法2.3.1 k-means 2.3.2 DBSCAN2.4 实现效果2.4.1 tf-idf + k-means聚类结果2.4.2 word2vec + k-means 聚类结果 最后 0 简介 今天学长向大家...

目录 一、简介DBSCAN算法的定义和背景聚类的重要性和应用领域DBSCAN与其他聚类算法的比较 二、理论基础密度的概念核心点、边界点和噪声点DBSCAN算法流程邻域的查询聚类的形成过程 参数选择的影响 三、算法参数eps（邻域半径）举例说明：如何选择： minPts（最小点数）举例说明：如何选择： 参数调优的技巧实战技巧： 四、案例实战场景描述数据准备DBSCAN聚类结果可视化处理过程与输出 五、...

损失函数(Loss Function)一文详解-聚类问题常见损失函数Python代码实现+计算原理解析 前言 损失函数无疑是机器学习和深度学习效果验证的核心检验功能，用于评估模型预测值与实际值之间的差异。我们学习机器学习和深度学习或多或少都接触到了损失函数，但是我们缺少细致的对损失函数进行分类，或者系统的学习损失函数在不同的算法和任务中的不同的应用。因此有必要对整个损失函数体系有个比较全面的认识，方...

或数据进行分类或分组的需求。比如说你是一名教育机构的数据分析师，每年都有大量的学生评价和课程反馈需要处理。想找到一个方式能够同时考虑到学生和课程的特性，进行更有效的分类。 一种可能的解决方案是使用谱共聚类（Spectral Co-clustering）算法。这种算法不仅能够根据行信息（在这个例子中是学生）进行聚类，还能根据列信息（在这个例子中是课程）进行聚类。这样可以同时得到哪些学生相似，以及哪些课程...

目录 专栏导读一、题目描述二、输入描述三、输出描述四、解题思路五、Java算法源码六、效果展示1、输入2、输出3、说明 专栏导读 本专栏收录于《华为OD机试（JAVA）真题（A卷+B卷）》。 刷的越多，抽中的概率越大，每一题都有详细的答题思路、详细的代码注释、样例测试，发现新题目，随时更新，全天CSDN在线答疑。 一、题目描述 给出数字K，请输出所有结果小于K的整数组合到一起的最少交换次数。 组合一...

聚类算法的性能评估是什么？ 聚类是无监督学习的一种常用技术，用于将相似的数据点分组在一起。然而在实施聚类算法后，一个关键的问题便是如何评估其性能或质量。由于聚类是无监督的，因此评估其性能相对更为复杂。本文将探讨多种用于评估聚类性能的指标，包括肘部法则、轮廓系数、Davies–Bouldin指数、Calinski-Harabasz指数、Fowlkes-Mallows指数、Rand指数、Jaccard系...

th Noise）算法来进行这样的分析。 假设有一组交通流量数据，数据中包括每个路口的车流量。 通过DBSCAN算法可以找到车流量最大的路口，并据此进行进一步的道路优化。 文章目录 DBSCAN 密度聚类 sklearn实现 Sklearn API参数详解与调参 ...