吳裕雄 數據挖掘與分析案例實戰（14）——Kmeans聚類分析
# 導入第三方包import pandas as pdimport numpy as np import matplotlib.pyplot as pltfrom sklearn.cluster im ...
原文：數據挖掘學習02 - 使用weka的kmeans聚類分析
本文目的 weka是一套使用java開發的數據挖掘工具集合，提供GUI CLI界面和Java API使用方式。所以，在學習和解決數據挖掘問題時，可以先嘗試用weka的GUI或CLI做出合適的分析，找到適當的算法，然后在將此算法集成到自己的項目中。最近在的項目中遇到了文本聚類的問題，kmeans是一種常見的聚類算法，這里先拿此算法和示例數據做一些實驗，以便熟悉weka的界面操作。 什么是kmeans ...
2012-10-15 21:12 3 19794 推薦指數：
相關推薦
數據挖掘——聚類分析總結
聚類分析 一、概念 聚類分析是按照個體的特征將他們分類，讓同一個類別內的個體之間具有較高的相似度，不同類別之間具有較大的差異性 聚類分析屬於無監督學習 聚類對象可以分為Q型聚類和R型聚類 Q型聚類：樣本/記錄聚類 以距離為相似性指標 （歐氏距離、歐氏平方距離 ...
文本分析 - 聚類分析 （數據挖掘）
文本分析，在數據挖掘，甚至是深度學習中很重要的分支研究領域。如下運用R語言，通過采用文本相似度算法Jaro-Winkler Distance，能實現： 在題庫中查找出相似度高的題並輸出自動聚類的結果，從而提煉出練習重點，提高閱讀效率。 ## 尋找練習重點 library ...
數據挖掘簡述和weka介紹--數據挖掘學習和weka使用（一）
寫在開篇 weka用了一些時日了，覺得真心不錯。功能很完善，而且是開源的。最重要的擴展方便，非常適合搞研究和做全國大學生數學建模之類的比賽。 我學習weka主要是看的一本數據挖掘和weka使用的書，是英文的。國內有中文版…但是不想吐就不要看譯本吧，不知道是翻譯的人是怎么想的. 我寫博文的順序 ...
數據挖掘學習08 - 實驗：使用R評估kmeans聚類的最優K
本文目的 最近這幾天一直在研究如何評估Kmeans聚類算法中的最優K值。主要理論依據是《數據挖掘導論》8.5.5節中介紹的SSE和Silhouette Coefficient系數的方法評估最優K。現在記錄整個實驗過程，作為備忘。不過，體驗過程中，由於R軟件使用的還不太熟練，實現過程中有些地方 ...
WEKA使用（基礎配置+垃圾郵件過濾+聚類分析+關聯挖掘）
聲明： 1）本文由我bitpeach原創撰寫，轉載時請注明出處，侵權必究。 2）本小實驗工作環境為Windows系統下的WEKA，實驗內容主要有三部分，第一是分類挖掘（垃圾郵件過濾），第二是聚類分析，第三是關聯挖掘。 3）本文由於過長，且實驗報告內的評估觀點有時不一定正確，希望 ...
輸入數據與ARFF文件--數據挖掘學習和weka使用（二）
我個人認為直接討論數據挖掘算法和weka的使用過於心急。我一開始就直接學習的數據挖掘方法，有些方法艱澀枯燥，我常常在思考的不是方法本身，而是“這是干什么的？”。 在使用了weka后有些東西漸漸清晰，因為輸入和輸出給了人很直觀的感覺，再結合技術本身學習效率很高。 輸入主要有三類：概念、實例和屬性 ...
吳裕雄 數據挖掘與分析案例實戰（15）——DBSCAN與層次聚類分析
sklearn.datasets.samples_generator import make_blobs # 模擬數據集X,y = mak ...