發(fā)簡信
IP屬地：湖南
-
k均值聚類算法的工作流程
k 均值聚類算法的工作流程是這樣的：首先選取 k 個點，作為初始 k 個簇的中心（這個 k 是人為設(shè)定的超參數(shù)），然后將其余的數(shù)據(jù)對象分配到距離...
-
聚類是什么
俗語有云：“人以群分，物以類聚”。簡單來說，聚類指的是將物理或抽象對象集合分成由相似對象組成的多個類的過程。從這個簡單的描述中可以看出，聚類的關(guān)...
-
人工神經(jīng)網(wǎng)絡(luò)是什么
我們知道，深度學習網(wǎng)絡(luò)是目前非常熱門的研究議題。但在本質(zhì)上，深度學習網(wǎng)絡(luò)就是層數(shù)較多的神經(jīng)網(wǎng)絡(luò)。雖然 sklearn 并不支持深度學習，但久經(jīng)時...
-
Python sklearn模板實現(xiàn)k均值聚類算法
聚類操作得有數(shù)據(jù)才行，這里我們先用 sklearn 的數(shù)據(jù)生成工具 make_blobs( ) 來合成所需的數(shù)據(jù)。make_blobs( ) 方...
-
Python sklearn模板實現(xiàn)Logistic回歸算法
在掌握 Logistic 回歸的基本原理之后，下面我們通過實戰(zhàn)來感受一下這個模型。由于模型的求解過程（如梯度下降法、牛頓法）和正則化流程都被封裝...
-
Logistic回歸分類算法詳解
本節(jié)教程我們來討論另外一種被廣泛應用的分類算法— Logistic 回歸。在講解這個概念之前，我們先來聊一個題外話—“Logistic regr...
-
零基礎(chǔ)自學數(shù)據(jù)分析經(jīng)驗分享如何自學成長入門階段目標一：會用數(shù)據(jù)分析的方式解決一些簡單的業(yè)務問題1.通讀《深入淺出數(shù)據(jù)分析》 所有問題一開始都會有實際業(yè)務場景的引入 然后會...
-
k均值聚類算法的優(yōu)缺點
k 均值聚類算法的優(yōu)點很明顯，那就是原理簡單、易于操作，并且執(zhí)行效率非常高，因此該算法得到了廣泛的應用。但它也有不足，大體上有以下四點。 1) ...
-
sklearn使用k-近鄰算法實現(xiàn)鳶尾花分類
本教程中的 k-近鄰算法實戰(zhàn)，使用的數(shù)據(jù)集是非常經(jīng)典的鳶尾花數(shù)據(jù)集。該數(shù)據(jù)集最初是由美國植物學家埃德加·安德森（Edgar Anderson）整...