文本聚類（Text clustering）
文本聚類（Text clustering）文檔聚類主要是依據著名的聚類假設：同類的文檔相似度較大，而不同類的文檔相似度較小。 作為一種無監督的機器學習方法，聚類由於不需要訓練過程，以及不需要預先對文檔手工標注類別，因此具有一定的靈活性和較高的自動化處理能力，已經成為對文本信息進行有效地組織、摘要 ...
原文：特征聚類 feature clustering
以使用聚類算法將具有較大依賴關系 冗余度高 的特征聚集到一起。 特征聚類 ，其基本思想是根據特征與特征之間相關性及特征與特征簇之間的相關性將特征集划分成多個簇群。 ...
2022-01-11 23:19 0 1211 推薦指數：
相關推薦
層次聚類 Hierarchical Clustering
-------------------------------- 不管是GMM，還是k-means，都面臨一個問題，就是k的個數如何選取？比如在bag-of-words模型中，用k-means訓練碼書，那么應該選取多少個碼字呢？為了不在這個參數的選取上花費太多時間，可以考慮層次聚類 ...
譜聚類(spectral clustering)
1. 譜聚類 給你博客園上若干個博客，讓你將它們分成K類，你會怎樣做？想必有很多方法，本文要介紹的是其中的一種——譜聚類。 聚類的直觀解釋是根據樣本間相似度，將它們分成不同組。譜聚類的思想是將樣本看作頂點，樣本間的相似度看作帶權的邊，從而將聚類問題轉為圖分割問題：找到一種圖 ...
聚類評價指標(Clustering Metrics)
-蘭德系數(Rand Index) a: 在C和K中都分為同類的樣本對的數量; b: 在C和K中都分為不同類的樣本對的數量; 分母: 所有的樣本對數量. 其中n為樣本空間的大小. $ \fra ...
譜聚類算法(Spectral Clustering)
譜聚類(Spectral Clustering, SC)是一種基於圖論的聚類方法——將帶權無向圖划分為兩個或兩個以上的最優子圖，使子圖內部盡量相似，而子圖間距離盡量距離較遠，以達到常見的聚類的目的。其中的最優是指最優目標函數不同，可以是割邊最小分割——如圖1的Smallest cut ...
分層聚類算法(Hierarchical clustering)
原文鏈接：https://blog.csdn.net/u012500237/article/details/65437525 參考文章：http://www.360doc.com/content/19/0623/20/99071_844396658.shtml 1. 分層聚類算法簡介 ...
機器學習-聚類Clustering
簡介 前面介紹的線性回歸，SVM等模型都是基於數據有標簽的監督學習方法，本文介紹的聚類方法是屬於無標簽的無監督學習方法。其他常見的無監督學習還有密度估計，異常檢測等。 聚類就是對大量未知標注的數據集，按照數據的內在相似性將數據集划分為多個類別（在聚類算法中稱為簇），使類別內的數據相似度高，二類 ...
聚類系數（clustering coefficient）計算
轉自http://blog.csdn.net/pennyliang/article/details/6838956 Clustering coefficient的定義有兩種；全局的和局部的。 全局的算法基於triplet。triplet分為開放的triplet(open triplet)和封閉 ...