吴裕雄 数据挖掘与分析案例实战（14）——Kmeans聚类分析
# 导入第三方包import pandas as pdimport numpy as np import matplotlib.pyplot as pltfrom sklearn.cluster im ...
原文：数据挖掘学习02 - 使用weka的kmeans聚类分析
本文目的 weka是一套使用java开发的数据挖掘工具集合，提供GUI CLI界面和Java API使用方式。所以，在学习和解决数据挖掘问题时，可以先尝试用weka的GUI或CLI做出合适的分析，找到适当的算法，然后在将此算法集成到自己的项目中。最近在的项目中遇到了文本聚类的问题，kmeans是一种常见的聚类算法，这里先拿此算法和示例数据做一些实验，以便熟悉weka的界面操作。 什么是kmeans ...
2012-10-15 21:12 3 19794 推荐指数：
相关推荐
数据挖掘——聚类分析总结
聚类分析 一、概念 聚类分析是按照个体的特征将他们分类，让同一个类别内的个体之间具有较高的相似度，不同类别之间具有较大的差异性 聚类分析属于无监督学习 聚类对象可以分为Q型聚类和R型聚类 Q型聚类：样本/记录聚类 以距离为相似性指标 （欧氏距离、欧氏平方距离 ...
文本分析 - 聚类分析 （数据挖掘）
文本分析，在数据挖掘，甚至是深度学习中很重要的分支研究领域。如下运用R语言，通过采用文本相似度算法Jaro-Winkler Distance，能实现： 在题库中查找出相似度高的题并输出自动聚类的结果，从而提炼出练习重点，提高阅读效率。 ## 寻找练习重点 library ...
数据挖掘简述和weka介绍--数据挖掘学习和weka使用（一）
写在开篇 weka用了一些时日了，觉得真心不错。功能很完善，而且是开源的。最重要的扩展方便，非常适合搞研究和做全国大学生数学建模之类的比赛。 我学习weka主要是看的一本数据挖掘和weka使用的书，是英文的。国内有中文版…但是不想吐就不要看译本吧，不知道是翻译的人是怎么想的. 我写博文的顺序 ...
数据挖掘学习08 - 实验：使用R评估kmeans聚类的最优K
本文目的 最近这几天一直在研究如何评估Kmeans聚类算法中的最优K值。主要理论依据是《数据挖掘导论》8.5.5节中介绍的SSE和Silhouette Coefficient系数的方法评估最优K。现在记录整个实验过程，作为备忘。不过，体验过程中，由于R软件使用的还不太熟练，实现过程中有些地方 ...
WEKA使用（基础配置+垃圾邮件过滤+聚类分析+关联挖掘）
声明： 1）本文由我bitpeach原创撰写，转载时请注明出处，侵权必究。 2）本小实验工作环境为Windows系统下的WEKA，实验内容主要有三部分，第一是分类挖掘（垃圾邮件过滤），第二是聚类分析，第三是关联挖掘。 3）本文由于过长，且实验报告内的评估观点有时不一定正确，希望 ...
输入数据与ARFF文件--数据挖掘学习和weka使用（二）
我个人认为直接讨论数据挖掘算法和weka的使用过于心急。我一开始就直接学习的数据挖掘方法，有些方法艰涩枯燥，我常常在思考的不是方法本身，而是“这是干什么的？”。 在使用了weka后有些东西渐渐清晰，因为输入和输出给了人很直观的感觉，再结合技术本身学习效率很高。 输入主要有三类：概念、实例和属性 ...
吴裕雄 数据挖掘与分析案例实战（15）——DBSCAN与层次聚类分析
sklearn.datasets.samples_generator import make_blobs # 模拟数据集X,y = mak ...