搜索结果
查询Tags标签： means，共有 55条记录-
K-means在图像阈值分割上的应用
参考冈萨雷斯《数字图像处理》第四版，其中提到了K均值聚类算法可用于图像分割，所以我整理了网上一些资源做了如下测试实验。 代码部分实测输入灰度图像和彩色图像都适用 代码部分： import cv2 import matplotlib.pyplot as plt import numpy as npdef seg_kmeans_gray(…
2021/9/27 23:14:50 人评论 次浏览 -
K-means在图像阈值分割上的应用
参考冈萨雷斯《数字图像处理》第四版，其中提到了K均值聚类算法可用于图像分割，所以我整理了网上一些资源做了如下测试实验。 代码部分实测输入灰度图像和彩色图像都适用 代码部分： import cv2 import matplotlib.pyplot as plt import numpy as npdef seg_kmeans_gray(…
2021/9/27 23:14:50 人评论 次浏览 -
K-Means（K-均值）聚类算法机器学习
聚类 聚类，简单来说，就是将一个庞杂数据集中具有相似特征的数据自动归类到一起，称为一个簇，簇内的对象越相似，聚类的效果越好。它是一种无监督的学习(Unsupervised Learning)方法,不需要预先标注好的训练集。聚类与分类最大的区别就是分类的目标事先已知，例如猫狗识…
2021/9/25 17:40:40 人评论 次浏览 -
K-Means（K-均值）聚类算法机器学习
聚类 聚类，简单来说，就是将一个庞杂数据集中具有相似特征的数据自动归类到一起，称为一个簇，簇内的对象越相似，聚类的效果越好。它是一种无监督的学习(Unsupervised Learning)方法,不需要预先标注好的训练集。聚类与分类最大的区别就是分类的目标事先已知，例如猫狗识…
2021/9/25 17:40:40 人评论 次浏览 -
机器学习原理与实战 | K-means聚类算法实践
%matplotlib inline import matplotlib.pyplot as plt import numpy as np1. K-均值算法介绍 from sklearn.datasets import make_blobs# 产生聚类数据集 X, y = make_blobs(n_samples=200, # 样本数n_features=2, # 特征数，决定了x的维度centers=4, # 产生数据的…
2021/9/13 22:37:15 人评论 次浏览 -
机器学习原理与实战 | K-means聚类算法实践
%matplotlib inline import matplotlib.pyplot as plt import numpy as np1. K-均值算法介绍 from sklearn.datasets import make_blobs# 产生聚类数据集 X, y = make_blobs(n_samples=200, # 样本数n_features=2, # 特征数，决定了x的维度centers=4, # 产生数据的…
2021/9/13 22:37:15 人评论 次浏览 -
机器学习技术（2）---K-Means聚类算法
聚类就是将一系列数据进行归类，属于无监督学习，所谓无监督学习是和有监督学习相对于的，像之前所学习的很多模型是知道自变量X和因变量Y的，着属于有监督学习，而有些时候并不知道因变量Y，这种就属于无监督的学习，那么聚类首先就是由于不知道他们归于哪一个类，而是按…
2021/9/13 11:04:54 人评论 次浏览 -
机器学习技术（2）---K-Means聚类算法
聚类就是将一系列数据进行归类，属于无监督学习，所谓无监督学习是和有监督学习相对于的，像之前所学习的很多模型是知道自变量X和因变量Y的，着属于有监督学习，而有些时候并不知道因变量Y，这种就属于无监督的学习，那么聚类首先就是由于不知道他们归于哪一个类，而是按…
2021/9/13 11:04:54 人评论 次浏览 -
聚类算法与K-means实现
聚类算法与K-means实现 一、聚类算法的数学描述： 区别于监督学习的算法（回归，分类，预测等），无监督学习就是指训练样本的 label 未知，只能通过对无标记的训练样本的学习来揭示数据的内在规律和性质。无监督学习任务中研究最多的就是聚类算法（clustering）。我们假定…
2021/9/8 17:07:23 人评论 次浏览 -
聚类算法与K-means实现
聚类算法与K-means实现 一、聚类算法的数学描述： 区别于监督学习的算法（回归，分类，预测等），无监督学习就是指训练样本的 label 未知，只能通过对无标记的训练样本的学习来揭示数据的内在规律和性质。无监督学习任务中研究最多的就是聚类算法（clustering）。我们假定…
2021/9/8 17:07:23 人评论 次浏览 -
k-means++算法选择初始seeds的基本思想就是：初始的聚类中心之间的相互距离要尽可能的远——sklearn内置该算法
k-means ++介绍：k-means++算法选择初始seeds的基本思想就是：初始的聚类中心之间的相互距离要尽可能的远。算法步骤：（1）从输入的数据点集合中随机选择一个点作为第一个聚类中心（2）对于数据集中的每一个点x，计算它与最近聚类中心(指已选择的聚类中心)的距离D(x)（3）…
2021/8/6 11:05:49 人评论 次浏览 -
k-means++算法选择初始seeds的基本思想就是：初始的聚类中心之间的相互距离要尽可能的远——sklearn内置该算法
k-means ++介绍：k-means++算法选择初始seeds的基本思想就是：初始的聚类中心之间的相互距离要尽可能的远。算法步骤：（1）从输入的数据点集合中随机选择一个点作为第一个聚类中心（2）对于数据集中的每一个点x，计算它与最近聚类中心(指已选择的聚类中心)的距离D(x)（3）…
2021/8/6 11:05:49 人评论 次浏览 -
K-means、K-medoide中心算法
K-means、K-medoide中心算法个人博客：www.xiaobeigua.icu(1)K值均步骤： 从N个数据文档随机选取K个数据文档作为质心。对剩余的每个数据文档测量其到每个质心的距离，并把它归到最近的质心的类.重新计算已经得到的各个类的质心。迭代二、三步直至新的质心与原质心相等或小…
2021/7/11 20:36:15 人评论 次浏览 -
K-means、K-medoide中心算法
K-means、K-medoide中心算法个人博客：www.xiaobeigua.icu(1)K值均步骤： 从N个数据文档随机选取K个数据文档作为质心。对剩余的每个数据文档测量其到每个质心的距离，并把它归到最近的质心的类.重新计算已经得到的各个类的质心。迭代二、三步直至新的质心与原质心相等或小…
2021/7/11 20:36:15 人评论 次浏览 -
08 机器学习 - Kmeans聚类算法原理
1.概述 K-means算法是集简单和经典于一身的基于距离的聚类算法 采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。 该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。2 算法图示 假设我们的n个样本点分布在图中所…
2021/7/8 11:11:53 人评论 次浏览
