（數據科學學習手札15）DBSCAN密度聚類法原理簡介&Python與R的實現
DBSCAN算法是一種很典型的密度聚類法，它與K-means等只能對凸樣本集進行聚類的算法不同，它也可以處理非凸集。 關於DBSCAN算法的原理，筆者覺得下面這篇寫的甚是清楚練達，推薦大家閱讀： https://www.cnblogs.com/pinard/p/6208966.html ...
原文：（數據科學學習手札14）Mean-Shift聚類法簡單介紹及Python實現
不管之前介紹的K means還是K medoids聚類，都得事先確定聚類簇的個數，而且肘部法則也並不是萬能的，總會遇到難以抉擇的情況，而本篇將要介紹的Mean Shift聚類法就可以自動確定k的個數，下面簡要介紹一下其算法流程： .隨機確定樣本空間內一個半徑確定的高維球及其球心 .求該高維球內質心，並將高維球的球心移動至該質心處 .重復 ，直到高維球內的密度隨着繼續的球心滑動變化低於設定的閾值，算 ...
2018-03-18 18:47 0 5144 推薦指數：
相關推薦
（數據科學學習手札16）K-modes聚類法的簡介&Python與R的實現
我們之前經常提起的K-means算法雖然比較經典，但其有不少的局限，為了改變K-means對異常值的敏感情況，我們介紹了K-medoids算法，而為了解決K-means只能處理數值型數據的情況，本篇便對K-means的變種算法——K-modes進行簡介及Python、R的實現： K-modes ...
（數據科學學習手札08）系統聚類法的Python源碼實現（與Python，R自帶方法進行比較）
聚類分析是數據挖掘方法中應用非常廣泛的一項，而聚類分析根據其大體方法的不同又分為系統聚類和快速聚類，其中系統聚類的優點是可以很直觀的得到聚類數不同時具體類中包括了哪些樣本，而Python和R中都有直接用來聚類分析的函數，但是要想掌握一種方法就得深刻地理解它的思想，因此自己從最底層開始編寫代碼來實現 ...
（數據科學學習手札13）K-medoids聚類算法原理簡介&Python與R的實現
前幾篇我們較為詳細地介紹了K-means聚類法的實現方法和具體實戰，這種方法雖然快速高效，是大規模數據聚類分析中首選的方法，但是它也有一些短板，比如在數據集中有臟數據時，由於其對每一個類的准則函數為平方誤差，當樣本數據中出現了不合理的極端值，會導致最終聚類結果產生一定的誤差，而本篇將要介紹 ...
（數據科學學習手札54）Python中retry的簡單用法
一、簡介 retry是一個用於錯誤處理的模塊，功能類似try-except，但更加快捷方便，本文就將簡單地介紹一下retry的基本用法。 二、基本用法 retry: 作為裝飾器進行使用，不傳入參數時功能如下例所示： 我們編寫了每次運行都會通過raise報錯 ...
（數據科學學習手札127）在Python中使用icecream實現高效debug
😂，通過手動在程序中的關鍵位置書寫合適的打印語句，可以很快速地幫助我們了解到程序運行的過程，發現問題 ...
（數據科學學習手札65）利用Python實現Shp格式向GeoJSON的轉換
一、簡介 Shp格式是GIS中非常重要的數據格式，主要在Arcgis中使用，但在進行很多基於網頁的空間數據可視化時，通常只接受GeoJSON格式的數據，眾所周知JSON（JavaScript Object Nonation）是利用鍵值對+嵌套來表示數據的一種格式，以其輕量、易解析的優點 ...
（數據科學學習手札29）KNN分類的原理詳解&Python與R實現
一、簡介 KNN（k-nearst neighbors，KNN）作為機器學習算法中的一種非常基本的算法，也正是因為其原理簡單，被廣泛應用於電影/音樂推薦等方面，即有些時候我們很難去建立確切的模型來描述幾種類別的具體表征特點，就可以利用天然的臨近關系來進行分類； 二、原理 KNN ...