吴恩达老师机器学习课程chapter07——聚类
2024-09-18 21:43:58
吴恩达老师机器学习课程chapter07——聚类
本文是非计算机专业新手的自学笔记，高手勿喷。
本文仅作速查备忘之用，对应吴恩达(AndrewNg)老师的机器学期课程第十三章。
缺少重要推演，只能作为入门了解。
基本概念
这是一种无监督学习，即是说样本不含有标签(y),只有x。
K均值法
K均值法的思路如下：
如果想将已有的样本分为两类，首先，在空间中任意生成两个点，作为聚类中心(cluster centroid)；
接着，分别计算每个点与两个聚类中心的距离，并依据距离的大小分为两类；
然后，分别计算两类样本的算术平均值，并将这两个均值作为新的聚类中心；
之后不停循环，直到获得满意的结果。
K均值法的具体算法如下：
K均值法的优化目标如下：
其中J也被称为失真代价函数。
几点注意
- 初始化时，应该有 聚类中心数K＜样本数m。
- 最终收敛结果可能不一致，即最优问题得到了不同的局部最优解。可以尝试初始化多次，之后选择J最小的作为解。
常常是数据可视化之后手动选择聚类数目。
可以通过J与K的关系选择K：
"Elbow Method"：可以选择"elbow"处的K值作为聚类数。很多时候不能靠这种方法解决。
最新文章
- MySql中in和exists效率
- Android Touch事件传递机制 一： OnTouch，OnItemClick（监听器），dispatchTouchEvent（伪生命周期）
- 用户图形界面（GUI）学习笔记（一）——Swing与AWT
- Kali Linux系列教程之OpenVas安装
- python启动服务器
- hive中的常用方法（case，cast，unix_timestamp）
- js中json与数组字符串的相互转化
- 新建一个struts2项目
- 【转载】最近在用Arrays的asList()生成的List时，List元素的个数时而不正确，数组转化为List，即Arrays.asList(intArray);
- Keil uVISION2 自学教程
- 从汇编看c++中的placement operator new
- Google Summer of Code 建议被接收的5个技巧
- web开发布局---传统布局篇
- Golang的channel使用以及并发同步技巧
- caffe-win10-cifar10
- C++删除容器数据
- Smart Disk -- proposed by Liyuan Liu
- Semantic segmentation using adversarial networks
- 将kali linux装入U盘 制作随身携带的kali linux
- hashlib 算法介绍