我眼中的机器学习(三) 如何寻找模型的最优解
前面两篇文章, 我们先是通过三个非常简单的数学例子了解了机器学习的基本流程(训练, 预测). 接着为大家解释了为什么大家早就学会解方程了, 还需要用到机器学习技术. 我们接下来要讲的是机器学习算法怎样为我们在无数个可能的模型中找出最有可能正确的(最优的)那个模型. 首先在上一篇文章中, 有朋友 ...
原文：机器学习之寻找KMeans的最优K
K Means聚类算法是最为经典的，同时也是使用最为广泛的一种基于划分的聚类算法，它属于基于距离的无监督聚类算法。KMeans算法简单实用，在机器学习算法中占有重要的地位。对于KMeans算法而言，如何确定K值，确实让人头疼的事情。 最近这几天一直忙于构建公司的推荐引擎。对用户群体的分类，要使用KMeans聚类算法，就研究了一下。 探索K的选择 对数据进行分析之前，采用一些探索性分析手段还是很有 ...
2016-06-27 21:23 1 4989 推荐指数：
相关推荐
我眼中的机器学习(四) 快速寻找最优解
快速寻找最优解 -基础知识 通过上文, 我们知道了, 如果盲目使用随机算法或者遍历算法寻找最优解的话, 需要计算的空间将会太大. 为了能够让大家直观的感受一下实际应用的计算量, 我这里再举个例子, 1997年5月11日 IBM的深蓝AI战胜卡国际象棋名家斯帕罗夫. 我们知道 围棋 ...
机器学习-kmeans的使用
无标签数据集可视化，将第一列feature作为X，第二列feature作为y 构造 kmeans from sklearn.cluster import KMeans #init kmeans = KMeans(init='k ...
kmeans中的k的含义_机器学习 | KMeans聚类分析详解
大量数据中具有"相似"特征的数据点或样本划分为一个类别。聚类分析提供了样本集在非监督模式下的类别划分。聚类的基本思想是"物以类聚、人以群分"，将大量数据集中相似的数据样本区分出来，并发现不同类的特征。 聚类模型可以建立在无类标记的数据上，是一种非监督的学习算法。尽管全球每日新增数据量以PB或EB ...
机器学习：决策树（使用信息熵寻找最优划分）
老师强调：作为计算机工程师，传统的算法和数据结构是最基础的内容，要掌握。 一、节点数据集的划分 1）决策树算法的思想 解决分类问题时，决策树算法的任务是构造决策树模型，对未知的 ...
机器学习-文本聚类实例-kmeans
机器学习-文本聚类实例-kmeans ...
机器学习基础：kmeans算法及其优化
机器学习基础：Kmeans算法及其优化 CONTENT 算法原理 算法流程 算法优化 Kmeans++ Elkan Kmeans Mini Batch Kmeans 与KNN的区别 算法小结 sklearn代码实践 ...
python机器学习——kmeans聚类算法
背景与原理： 聚类问题与分类问题有一定的区别，分类问题是对每个训练数据，我给定了类别的标签，现在想要训练一个模型使得对于测试数据能输出正确的类别标签，更多见于监督学习；而聚类问题则是我们给出了一组数据，我们并没有预先的标签，而是由机器考察这些数据之间的相似性，将相似的数据聚为一类，是无监督学习 ...