k-中心点 基于代表的划分概述算法整体算法损失计算优化优点缺点讨论实现概述在 k-means, 我们使用了基于形心(簇均值)来对数据进行划分, 也讨论了 k-means 的初始值选取之重要, 若选得不好, 很容易陷入局部最优解的问题.实质上来说, 我们会陷入到局部最优解的本质原因是:当初始值选定之后, 我们有一个初始的簇均值基本是在这个簇的最大值与最小值之间每次更新的新的质心(均值)...

关联规则进行数据挖掘关联分析(Association analysis)理解:相关概念Apriori算法查找频繁项集根据频繁项集挖掘关联规则关联分析(Association analysis)理解:从大规模的数据中, 发现事物(物品)间的隐含关系的过程就是关联分析(association analysis)或者关联规则学习(association rule learning).是一种...

数据挖掘--决策树 待更新 简介信息熵理解:决策树的优劣主要问题解决方案ID3算法简介训练过程信息增益的计算如何划分数据简介决策树, 举两个栗子:网络上各种心理测试的题, 根据你选的答案, 跳到另一题, 最后得出你是什么性格的人.图灵测试, 通过设计各种问题来问跟你聊天的人, 在20 个问题以内, 你来判断跟你聊天的是机器人还是人.以上, 都是决策树的一种形式, 看图就懂:判...