首页 / 算法 / 无监督学习包含算法

无监督学习包含算法

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了无监督学习包含算法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含760字，纯文字阅读大概需要2分钟。

内容图文

  • 聚类
    • K-means(K均值聚类)
  • 降维
    • PCA

K-means原理

我们先来看一下一个K-means的聚类效果图

技术分享图片

 

 

K-means聚类步骤

  • 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

我们以一张图来解释效果

技术分享图片

 

 

K-meansAPI

  • sklearn.cluster.KMeans(n_clusters=8,init=‘k-means++’)
    • k-means聚类
    • n_clusters:开始的聚类中心数量
    • init:初始化方法，默认为‘k-means ++’
    • labels_:默认标记的类型，可以和真实值比较（不是值比较）

案例：k-means对Instacart Market用户聚类

分析

  • 1、降维之后的数据
  • 2、k-means聚类
  • 3、聚类结果显示
data_new

技术分享图片

 

 

            #预估器流程

            from
             sklearn.cluster import KMeans

estimator = KMeans(n_clusters=3)
estimator.fit(data_new)

技术分享图片

 

 

y_predict = estimator.predict(data_new)
y_predict[:300]

技术分享图片

 

 

#模型评估 - 轮廓系数
from sklearn.metrics import silhouette_score

silhouette_score(data_new, y_predict)

技术分享图片

 

原文：https://www.cnblogs.com/a155-/p/14416743.html

内容总结

以上是互联网集市为您收集整理的无监督学习包含算法全部内容，希望文章能够帮你解决无监督学习包含算法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1310548.html

来源：【匿名】