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 ...

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 ...

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 ...

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： 　　1.隨機確定樣本空間內一個半徑確定的高維球及其球心 ...

的，這時使用的構造二次判別函數進行判別類別的方法叫做二次判別法，下面分別在R和Python中實現二次判 ...

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 ...

一、簡介 　　作為集成學習中非常著名的方法，隨機森林被譽為“代表集成學習技術水平的方法”，由於其簡單、容易實現、計算開銷小，使得它在現實任務中得到廣泛使用，因為其來源於決策樹和bagging，決策樹我在前面的一篇博客中已經詳細介紹，下面就來簡單介紹一下集成學習與Bagging； 二、集成 ...

　　作為機器學習中可解釋性非常好的一種算法，決策樹(Decision Tree)是在已知各種情況發生概率的基礎上，通過構成決策樹來求取凈現值的期望值大於等於零的概率，評價項目風險，判斷其可行性的決策分析方法，是直觀運用概率分析的一種圖解法。由於這種決策分支畫成圖形很像一棵樹的枝干，故稱決策樹 ...