文本聚类（Text clustering）
文本聚类（Text clustering）文档聚类主要是依据著名的聚类假设：同类的文档相似度较大，而不同类的文档相似度较小。 作为一种无监督的机器学习方法，聚类由于不需要训练过程，以及不需要预先对文档手工标注类别，因此具有一定的灵活性和较高的自动化处理能力，已经成为对文本信息进行有效地组织、摘要 ...
原文：特征聚类 feature clustering
以使用聚类算法将具有较大依赖关系 冗余度高 的特征聚集到一起。 特征聚类 ，其基本思想是根据特征与特征之间相关性及特征与特征簇之间的相关性将特征集划分成多个簇群。 ...
2022-01-11 23:19 0 1211 推荐指数：
相关推荐
层次聚类 Hierarchical Clustering
-------------------------------- 不管是GMM，还是k-means，都面临一个问题，就是k的个数如何选取？比如在bag-of-words模型中，用k-means训练码书，那么应该选取多少个码字呢？为了不在这个参数的选取上花费太多时间，可以考虑层次聚类 ...
谱聚类(spectral clustering)
1. 谱聚类 给你博客园上若干个博客，让你将它们分成K类，你会怎样做？想必有很多方法，本文要介绍的是其中的一种——谱聚类。 聚类的直观解释是根据样本间相似度，将它们分成不同组。谱聚类的思想是将样本看作顶点，样本间的相似度看作带权的边，从而将聚类问题转为图分割问题：找到一种图 ...
聚类评价指标(Clustering Metrics)
-兰德系数(Rand Index) a: 在C和K中都分为同类的样本对的数量; b: 在C和K中都分为不同类的样本对的数量; 分母: 所有的样本对数量. 其中n为样本空间的大小. $ \fra ...
谱聚类算法(Spectral Clustering)
谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到常见的聚类的目的。其中的最优是指最优目标函数不同，可以是割边最小分割——如图1的Smallest cut ...
分层聚类算法(Hierarchical clustering)
原文链接：https://blog.csdn.net/u012500237/article/details/65437525 参考文章：http://www.360doc.com/content/19/0623/20/99071_844396658.shtml 1. 分层聚类算法简介 ...
机器学习-聚类Clustering
简介 前面介绍的线性回归，SVM等模型都是基于数据有标签的监督学习方法，本文介绍的聚类方法是属于无标签的无监督学习方法。其他常见的无监督学习还有密度估计，异常检测等。 聚类就是对大量未知标注的数据集，按照数据的内在相似性将数据集划分为多个类别（在聚类算法中称为簇），使类别内的数据相似度高，二类 ...
聚类系数（clustering coefficient）计算
转自http://blog.csdn.net/pennyliang/article/details/6838956 Clustering coefficient的定义有两种；全局的和局部的。 全局的算法基于triplet。triplet分为开放的triplet(open triplet)和封闭 ...