HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
拓端数据(tecdat):银行信用数据SOM神经网络聚类实现
原文链接:http://tecdat.cn/?p3231(https://link.segmentfault.com/?encfZOE6JlN4nr92pNmB8NF5g%3D%3D.9vxppTa4R9%2FEiOPOxWeKKi%2Fj5iX76CSBaMqI5qP7JFc%3D)在
CSCI3151-Assignment 4课业解析
作业4机器学习基础CSCI3151达尔豪斯大学第一季度(30%)聚类在这个问题中,我们将探讨葡萄酒数据集上的两种不同的聚类方法并使用两个度量来评估它:一个是内在度量(没有标签),另一个是一个内部度量利用可用的标签。a)在不使用类信息的情况下,使用kMeans聚类算法对数据集进行聚
K-Means
Kmeans算法从样本数据中随机选择$K$个样本作为初始聚类中心$C\{c_1,\cdots,c_K\}$;针对样本数据中的每一个样本$x_i$,计算它到每一个聚类中心的距离$d(x_i,c_k)||x_ic_k||_2$,并将该样本分到距离最小的聚类中心所对应的的类中;
聚类算法:Affinity Propogation算法学习指南!
AffinityPropogation最初是由BrendanFrey和DelbertDueck于2007年在Science上提出的。相比其它的聚类算法,AffinityPropogation算法不需要预先指定聚类个数。AffinityPropogation算法的原理可以简单的概括为
kmeans优化算法:二分Kmeans聚类算法
算法的理解Bi这里是的意思就是Binary,二进制的意思,所以有时候叫这个算法为二进Kmeans算法。为什么我们需要用BiKmeans呢,就是为了解决初始化k个随机的质心点时其中一个或者多个点由于位置太极端而导致迭代的过程中消失的问题。BiKmeans只是Kmeans其中一个优化方案
拓端tecdat|R语言中实现层次聚类模型
原文链接:http://tecdat.cn/?p5305(https://link.segmentfault.com/?encaFkUbhXU3RsZB27nPLXVmg%3D%3D.ytwXEHdMjOMSUbC8nnH1r65Z7oLdFOo%2FdG2FNBUxeCA%3D)
拓端tecdat|R语言鸢尾花iris数据集的层次聚类分析
原文链接:http://tecdat.cn/?p3200(https://link.segmentfault.com/?encCahfJ2Yr8qm7m9u7x3VVwQ%3D%3D.6AboY%2FtTRMz522fytPfF8I8kLGiZXTR9lvyO6c08Hp4%3D)
拓端tecdat|R语言使用混合模型进行聚类
原文链接:http://tecdat.cn/?p6112(https://link.segmentfault.com/?encWEQMdl9LTld47BiT6sz9HQ%3D%3D.Z8i8ggK%2F4qy8DMLYMee8B9W4X8YN4nnq%2FWzcq%2Byy9A0%3
拓端tecdat|基于模型的聚类和R语言中的高斯混合模型
原文链接:http://tecdat.cn/?p6105(https://link.segmentfault.com/?encJQsvwjPx8dFGXvbV%2BFwTdw%3D%3D.5Jpq%2FgL5HQ0tDQJbc%2BDzuzwewtSf7z96rcN9ddRj3oQ%3
拓端tecdat|Python Monte Carlo K-Means聚类实战研究
原文链接:http://tecdat.cn/?p6689(https://link.segmentfault.com/?enczAJUQNtIi9sCOJTPaKt%2B%2BQ%3D%3D.XQ4Qt7ZV%2F8WbVcTeKD%2Bc1TZJnaIJzRE054rhZdHEW
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。