机器学习笔记09:非监督学习

1298-范同学

发表文章数:81

热门标签

首页 » 算法 » 正文

机器学习笔记09:非监督学习

3.非监督学习(unsupervised learning)

  1. 只知道特征值不知道目标值
  2. 主要方法:k-means
  3. 步骤:
    1、随机设置K个特征空间内的点作为初始的聚类中心
    2、对于其他每个点计算到K个中心的距离,未知的点选择最近的一个聚类中心点作为标记类别
    3、接着对着标记的聚类中心之后,重新计算出每个聚类的新中心点(平均值)
    4、如果计算得出的新中心点与原中心点一样,那么结束,否则重新进行第二步过程
  4. API:sklearn.cluster.KMeans
  5. 聚类:坐在分类之前
km = KMeans(n_clusters = 4)
km.fit(x)

predict = km.predict(x)
print(predict)

  1. 聚类评估标准:轮廓系数
    机器学习笔记09:非监督学习
    机器学习笔记09:非监督学习
    机器学习笔记09:非监督学习
  2. API:sklearn.metrics.silhouette_score
  3. 特点分析:
    采用迭代式算法,直观易懂并且非常实用
  4. 缺点:容易收敛到局部最优解(多次聚类)
    需要预先设定簇的数量(k-means++解决)
标签:

未经允许不得转载:作者:1298-范同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《机器学习笔记09:非监督学习》 发布于2020-11-12

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录