机器学习 - k-means聚类
k-means简介 k-means是无监督学习下的一种聚类算法，简单说就是不需要数据标签，仅靠特征值就可以将数据分为指定的几类。k-means算法的核心就是通过计算每个数据点与k个质心（或重心）之间的距离，找出与各质心距离最近的点，并将这些点分为该质心所在的簇，从而实现聚类的效果 ...
原文：生物学中的机器学习：使用K-Means和PCA进行基因组序列分析 COVID-19接下来如何突变？
作者：Andre Yedeephub翻译组：孟翔杰许多人没有想到，病毒就像地球上为生存而挣扎的其他生物一样，它们会进化或变异。 只要看一看人类病毒来源的蝙蝠携带的病毒RNA序列片段即可。 AAAATCAAAGCTTGTGTTGAAGAAGTTACAACAACTCTGGAAGAAACTAAGTT 以及人类COVID 病毒的RNA序列的摘录 AAAATTAAGGCTTGCATTGATGAGGTTACC ...
2020-03-23 15:41 0 897 推荐指数：
相关推荐
机器学习实战：意大利Covid-19病毒感染数学模型及预测
作者：Gianluca Malato deephub翻译组：刘欣然 当今世界正在与一个新的敌人作斗争，那就是Covid-19病毒。 该病毒自首次在中国出现以来，在世界范围内迅速传播。不幸的是，意大利的Covid-19感染人数是欧洲最高的，为19人。我们是西方世界第一个面对这个新敌人的国家 ...
机器学习公开课笔记(8)：k-means聚类和PCA降维
K-Means算法 非监督式学习对一组无标签的数据试图发现其内在的结构，主要用途包括： 市场划分（Market Segmentation） 社交网络分析（Social Network Analysis） 管理计算机集群（Organize Computer Clusters ...
机器学习 | 算法笔记- K均值（K-Means）
） 组合算法（Ensemble Method） K-Means 机器学 ...
在Python中使用K-Means聚类和PCA主成分分析进行图像压缩
各位读者好，在这片文章中我们尝试使用sklearn库比较k-means聚类算法和主成分分析（PCA）在图像压缩上的实现和结果。 压缩图像的效果通过占用的减少比例以及和原始图像的差异大小来评估。 图像压缩的目的是在保持与原始图像的相似性的同时，使图像占用的空间尽可能地减小，这由图像的差异百分比 ...
Python基础-生物信息：找出基因，生物学家使用字母A、C、T和G构成的字符串建模一个基因组。
生物信息：找出基因，生物学家使用字母A、C、T和G构成的字符串建模一个基因组。一个基因是基因组的子串，它从三元组ATG后开始在三元组TAG、TAA或TGA之前结束。此外，基因字符串的长度是3的倍数，而且基因不包含三元组ATG、TAG、TAA和TGA。编写程序提示用户输入一个基因组，然后显示基因组 ...
机器学习中 K近邻法(knn)与k-means的区别
简介 K近邻法（knn）是一种基本的分类与回归方法。k-means是一种简单而有效的聚类方法。虽然两者用途不同、解决的问题不同，但是在算法上有很多相似性，于是将二者放在一起，这样能够更好地对比二者的异同。 算法描述 knn 算法思路：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近 ...