sklearn中的聚类算法K-Means
1 概述
1.1 无监督学习与聚类算法
1.2 sklearn中的聚类算法
2 KMeans
2.1 KMeans是如何工作的
2.2 簇内误差平方和的定义和解惑
2.3 KMeans算法的时间复杂度
3 sklearn.cluster.KMeans
3.1 重要参数n_clusters
3.1.1 先进行一次聚类看看吧
3.1.2 聚类算法的模型评估指标
3.1.2.1 当真实标签已知的时候
3.1.2.2 当真实标签未知的时候:轮廓系数
3.1.2.3 当真实标签未知的时候:Calinski-Harabaz Index
3.1.3 案例:基于轮廓系数来选择n_clusters
3.2 重要参数init & random_state & n_init:初始质心怎么放好?
3.3 重要参数max_iter & tol:让迭代停下来
3.4 重要属性与重要接口
3.5 函数cluster.k_means
4 案例:聚类算法用于降维,KMeans的矢量量化应用
5 附录
5.1 KMeans参数列表
5.2 KMeans属性列表
5.3 KMeans接口列表
聚类算法Kmeans
猜你喜欢
转载自www.cnblogs.com/tianqizhi/p/10556874.html
今日推荐
周排行