1回答
我需要根据它们的余弦相似性来聚类(假设作为参数k)，单词(我存储在数组列表中)。我已经将我所有的单词作为顶点存储在一个完整的、加权的、无向图(使用邻接列表)中，并将它们的余弦相似度值放在边上。据我所知，我需要使用MST (Kruskals算法)进行聚类处理。
然而，由于我的图是完全图，而MST用于连通图，我有点困惑如何在完全图上使用它？还是我用完全图做错了？
这是我的wordList：
[directors, producers, film, movie, black, white, man, woman, person, man, young, woman, science, fictio
浏览 2提问于2018-04-28得票数 0
回答已采纳
1回答
聚类最小生成树的数据集
、、、
最近我遇到了最小生成树的概念，发现它在聚类中有一个应用程序。我正在寻找一个真实的数据集(最好是干净的)，它可以作为各种聚类算法的数据源。有一种信息表明，MST聚类在球面和非球面数据上工作得足够好。这就是为什么非球面数据集也被追求的原因。
我心目中的数据集应该包含地面真相信息(标签)，因此各种标志的有效性可以通过与WSS不同的东西来衡量。
浏览 1提问于2018-06-12得票数 0
回答已采纳
2回答
分层聚类启发式算法
、、、、
我想探讨大数组中数据项之间的关系。用多维向量表示的每个数据项。首先，我决定使用集群化。我感兴趣的是找到集群(数据向量组)之间的层次关系。我能计算出向量之间的距离。因此，在第一步，我找到最小生成树。在此之后，我需要根据生成树中的链接对数据向量进行分组。但在这一步，我感到不安--如何将不同的向量组合成层次化的集群？--我正在使用启发式方法:如果两个向量连接在一起，它们之间的距离非常小--这意味着它们在同一个集群中--如果两个向量连接在一起，但它们之间的距离大于阈值--这意味着它们在具有公共根簇的不同集群中。
但也许有更好的解决方案？
谢谢
P.S.感谢大家！
事实上，我试过使用k-均值和CLOPE
浏览 2提问于2011-07-10得票数 4
回答已采纳
1回答
好友聚类算法(Python)
、、、、
我想在Python中实现一个“朋友中的朋友”算法，在这个算法中，对于N维空间中的一组点(在我的例子中，是二维的)，如果两个点比给定的链接长度更近，就称为“朋友”，而一个朋友的朋友也是一个朋友(如果A是B和B的朋友，A也是C的朋友)。然后，将其中所有的朋友点集合成一个聚类，最终形成若干簇。其动机是，我通常有很强的聚类点，不同的聚类距离很远。我想在距离计算中允许任意度量(即不一定是欧几里得度量)。
我可以从头开始写下来，但我想知道它是否可以使用现有的库或一些基于智能数组的Python轻松地实现。
浏览 3提问于2022-02-16得票数 0
回答已采纳
1回答
反向删除算法:从包含所有边的图开始。然后按权重的递减顺序重复通过边缘。对于每条边，检查删除该边是否会断开该图的连接；如果不会，则删除它。
如何证明此算法计算MST？
浏览 3提问于2020-03-27得票数 0
5回答
高维数据聚类
、、、
为了对超过100维(有时甚至1000维)的数据进行聚类，最好的聚类算法是什么？如果你知道任何C，C++，尤其是C#的实现，我将不胜感激。
浏览 1提问于2011-11-20得票数 0
回答已采纳
3回答
我正在尝试实现基于论文"Scalable Recognition with a Vocabulary“的图像搜索。我使用SURF来提取特征和关键点。例如，对于一个图像，我得到300个关键点，每个关键点有128个描述符值。我的问题是如何在数据上应用K-Means聚类算法。我的意思是，我是否需要对所有的点应用聚类算法，即300*128个值，或者我是否需要找到连续描述符值之间的距离并存储这些值并对其应用聚类算法。我很困惑，任何帮助都将不胜感激。
谢谢，洛奇。
浏览 0提问于2011-04-30得票数 4
3回答
我想聚类一些数据点，但每个聚类的最大点数是有限的。因此，每个集群都有一个最大大小。有没有什么聚类算法可以解决这个问题？我也可以定义自己的大小函数。例如，我不想将集群中的点的数量作为其大小，而是希望对集群中的所有点的列求和。
浏览 0提问于2012-07-20得票数 3
1回答
层次聚类和k均值
、、
我想运行一个层次聚类分析。我知道hclust()函数，但不知道如何在实践中使用它；我只能将数据提供给该函数并处理输出。 我想要对给定的测量结果进行聚类的主要问题。 我还想将分层聚类与kmeans()生成的聚类进行比较。同样，我不确定如何调用此函数或使用/操作它的输出。 我的数据类似于： df<-structure(list(id=c(111,111,111,112,112,112), se=c(1,2,3,1,2,3),t1 = c(1, 2, 1, 1,1,3),
t2 = c(1, 2, 2, 1,1,4), t3 = c(1, 0, 0, 0
浏览 9提问于2020-08-30得票数 1
回答已采纳
我现在正在读“数据挖掘:实用机器学习工具和技术”第三版。在4.8节中，讨论了如何使用k-d trees或ball trees来提高k-means algorithm的性能。
在建立了包含所有数据点的球状树后，搜索所有的叶节点，以确定每个聚类中心中的每个点接近哪个聚类中心。它说，有时由较高的内部节点所代表的区域完全属于单个集群中心的范围。然后我们不需要遍历它的子节点，所有的日期点都可以一次处理。
问题是，在实现数据结构和算法时，如何确定引用内部节点的区域是否属于单个集群中心？
在二维或三维空间中，这并不难.我们可以看到，集群中心的每一对中垂直线是否都穿过区域，指的是内部节点。
但是在高维空间中，
浏览 1提问于2012-11-04得票数 6
回答已采纳
3回答
新闻文章聚类
、、、、
我的场景非常简单:我有一堆新闻文章(目前约1k篇)，我知道其中一些报道了相同的故事/主题。我现在想根据共享的故事/主题对这些文章进行分组，即基于它们的相似性。
到目前为止，我所做的是应用基本的NLP技术，包括去停用词和词干提取。我还计算了每一篇文章的tf-idf向量，并可以根据这些tf-idf向量计算余弦相似度。但现在，随着文章的分组，我有点挣扎了。我看到了两种主要的方法--可能是相关的--来做到这一点：
1)机器学习/集群:我已经使用了一些现有的集群库，或多或少取得了成功；请参阅。一方面，像k-means这样的算法需要输入聚类的数量，我不知道。其他算法需要的参数也不是很直观(对我来说是这样)
浏览 1提问于2014-08-10得票数 14
1回答
我有一个用Scala编写的排队模型，在这个模型中，不同类别的人最终形成了不同的队列。我们有一个数据集，它提供了一个特征映射，以每个队列结束的人数为特征，即多个输入到多个输出(连续值)。
对于Scala中的单个值预测，我有一些使用mllib的经验，但我看不出支持多个输出。在我看来，mllib没有连续的值输出支持，因为我看不出如何在没有激活函数的情况下获得一个层。
有没有人知道一个ml库既可以支持多维回归(如果我的术语错误请纠正我)并与Scala集成？
接下来，我还想尝试一个RNN，因为我们的数据中有一个时间序列元素，但是我相信在ml库中这是更加罕见的。
浏览 0提问于2018-01-27得票数 1
1回答
我试图对我的数据进行聚类。我的目标是对这些数据进行聚类，以确定客户的类型是B2B还是B2C，有规则：
如果是高B2Bif，高number_of_invoice和低avg_top，那么是B2Bif，低number_of_invoice，高avg_top，然后是B2Cif，低number_of_invoice和高avg_top，那么就是B2C。
我已经删除了离群点，分布如下
。
我以为它会像这样分开
这是集群输出。
我已经测量了Silhoutte Score，分数是0.677，有没有办法像我预期的那样实现星系团的分离？
浏览 2提问于2021-02-01得票数 1
我使用NetworkX从距离矩阵中计算出最小生成树。我现在要用它来做一个树状图。
我的MST：
我试过使用邻接矩阵(使用NetworkX的to_pandas_adjacency)
(T是我的MST)
df = nx.to_pandas_adjacency(T)
from scipy.spatial.distance import squareform
dist_array = squareform(df) #https://stackoverflow.com/questions/18952587/use-distance-matrix-in-scipy-cluster-hierarch
浏览 1提问于2019-08-09得票数 1
1回答
地理定位聚类
、、
我正试图将点聚到最近的邻居。我有一个包含人口、纬度和经度的数据集。由于聚类工作在距离测量和这里的协调是地理位置，我如何处理这个问题在python？
浏览 11提问于2022-11-02得票数 0
3回答
不同大小的聚类邻接矩阵
、、、
我已经为不同大小的有向图创建了邻接矩阵。我有大约30,000个矩阵，每个矩阵都在一个单独的文本文件中。我如何对它们进行集群，是否有可用的工具。表示集群的有向图的最佳方式是什么？
谢谢。
浏览 0提问于2011-12-06得票数 2
4回答
我有一组5000万个文本片段，我想从它们中创建一些集群。维度可能在60k-100k之间。文本片段的平均长度为16个单词。正如你可以想象的，频率矩阵将是相当稀疏的。我正在寻找一个软件包/ libray / sdk，可以让我找到这些集群。我曾经尝试过CLUTO，但这对CLUTO来说似乎是一项非常繁重的任务。从我的在线研究中，我发现BIRCH是一种可以处理这类问题的算法，但不幸的是，我在网上找不到任何BIRCH实现软件(我只找到了几个特别的实现，比如分配项目，缺乏任何类型的文档)。有什么建议吗？
浏览 3提问于2011-09-15得票数 3
我必须找到一个大型数组中任意两个元素之间的最小差异。我所说的“大”指的是非常大的，比如1000万或更多的元素数组。虽然这不是一个实际的场景，但我想知道最快的场景。获取一个元素，与其他元素进行比较，对差异进行排序，并获得最小的差异，这真的是不可想象的。有没有什么有效的方法来完成这项任务？我会很高兴的。
浏览 0提问于2015-06-19得票数 0
1回答
假设您有以下矩阵：
V1 V2 V3 V4 V5
1 0 0 0 0 1
2 0 0 0 1 1
3 0 0 1 1 1
4 0 0 1 1 0
5 1 0 0 0 0
6 1 1 1 0 0
7 0 1 1 0 0
8 0 1 1 0 0
9 0 1 1 1 0
10 1 1 1 0 1
你可以做一个树状图，说出你想用的任何方式，但这是我所做的，cmat是上面的定制矩阵：
dist
浏览 0提问于2013-10-18得票数 0
回答已采纳
2回答
考虑到我们试图将prim算法应用于不连通图上。考虑这个不连通图有顶点a，b，c和d，其中这个顶点d是不连通的。现在我需要检查我的理解，如果我们在这个不连通图上应用prim算法，算法不会到达顶点d，因此只返回a，b和c点的MST。那么，这个假设是对的吗？
浏览 4提问于2020-03-29得票数 0
2回答
首先，请注意，这个问题是而不是询问MST，而只是all possible spanning trees。
所以这是，而不是，与或一样
我只需要从一个图表中生成所有可能的spanning trees。
我认为蛮力的方式是直接的：
假设我们有V节点和E边。
获取图的所有边
将V-1的所有可能组合从E边缘提取出来。
从组合中筛选出non-spanning-tree (对于生成树，一组V-1边缘中的所有节点都应该出现一次)
但是我觉得面对大图的时候太慢了。
我们有更好的方法吗？
浏览 4提问于2014-03-02得票数 9
回答已采纳
1回答
从距离矩阵到邻接矩阵
、、、、
我有一个距离矩阵1024x1024和所有项之间的所有距离。我想从那开始定义一个图表。因此，我定义了一个最小生成树，并在此基础上计算了邻接矩阵。
我的距离矩阵是distMat。
matrix_of_distances <- as.matrix(distMat)
myGraph <- graph.adjacency(matrix_of_distances, weighted=TRUE)
我的图是一个包含所有可能弧的图(因为所有两个项之间的距离都是一个有限值)。我需要另一张图，斯皮瑟：
mst <- as.undirected(minimum.spanning.tree(myGra
浏览 2提问于2016-03-09得票数 1
回答已采纳
6回答
我想在半监督(约束)聚类上运行一些实验，特别是使用作为实例级成对约束(必须链接或不能链接约束)提供的背景知识。我想知道有没有好的开源包可以实现半监督聚类？我尝试查看PyBrain、mlpy、scikit和orange，但我找不到任何受约束的聚类算法。特别是，我对约束K-Means或基于约束密度的聚类算法(如C-DBSCAN)感兴趣。最好使用Matlab、Python、Java或C++格式的包，但不限于这些语言。
浏览 2提问于2014-01-21得票数 9
1回答
我有一个很大的数据集(数十亿条记录)，它几乎完全由分类变量组成。这些数据将被用来预测一个相当罕见的数值结果。大多数属性都具有很高的基数:可能只有少数几个样本属于每个类别。
我阅读了，其中他们使用R中的分层聚类来降低类似任务的维数。以下代码用于小型数据集，但在扩展时会迅速消耗所有内存：
library(cluster)
numClusters = 42
hc <- hclust(daisy(df))
cutree(hc, k = numClusters)
我考虑过使用Mahout的kmeans实现，但这对于分类变量来说是行不通的，因为它需要一个双倍向量。
StackOverflow社区中有
浏览 3提问于2015-06-25得票数 0
回答已采纳
2回答
我有一个数据集，大约有20000个观测数据，包括40个独立变量和1个因变量。我最初的目标是建立一个预测因变量的模型。我尝试了几种模型，并应用了线性回归和其他算法，如随机森林，当然，通过将数据集分割成训练和测试集。
不幸的是，我没有任何有意义的结果，我有很大的错误。我认为数据集有些“混乱”，所以我决定先进行一些聚类，然后在每个集群中应用回归。考虑到我的因变量可能表现出很大的变化，我认为我应该对所有变量(因变量和独立变量)进行聚类，因为每个簇都有类似的因变量值。我试着申请Kmeans，但我遇到了几个问题。首先，我似乎无法确定正确的集群数目。“肘部”方法给出了一个不清楚的数字，当我用较少的数据(大约
浏览 0提问于2018-11-13得票数 0
我已经建立了以下网络：
extensions [nw]
breed [agents agent]
agents-own [status
]
to setup
clear-all
ask patches [
set pcolor white
]
nw:generate-preferential-attachment agents links 100 1 [ set shape "person"
setxy random-xcor random-ycor
set status random 2
浏览 1提问于2022-06-03得票数 0
我想创建一个分层聚类，以显示职业类型和从事这些职业的人在其银行账户中的余额。我使用两个变量job和balance的数据集：
job balance
1 unemployed 1787
2 services 4789
3 management 1350
4 management 1476
5 blue-collar 0
6 management 747
7 self-employed 307
8 technician
浏览 0提问于2018-10-17得票数 0
3回答
我需要将大约50000个点划分为不同的簇。有一个要求:每个集群的大小不能超过K。有没有可以完成这项工作的聚类算法？
请注意，每个簇的上限K都是相同的，比如100。
浏览 1提问于2011-06-23得票数 0
回答已采纳
2回答
以下是示例数据：
Values Attribute1 Attribute2 Attribute3 Attribute4
2.5 1980 A 1.5 C
1.8 2000 A 0.4 B
12.4 2017 S 18.5 D
0.4 1987 R 10 P
浏览 0提问于2017-11-15得票数 1
回答已采纳
2回答
图聚类的质量有几个度量标准，例如Newman模块化。这些使您能够比较同一图的两个候选聚类。
有谁知道一个度量来回答“这个图有多模块化”这个问题吗？例如，这两个图中的第一个图比第二个图更模块化:o==o-o==o--o=o--o==o-o=o-o-o==o-o==o-o=o-o=o
可以选择一个聚类算法，运行它，并为找到的最佳聚类计算您喜欢的模块化度量。但这只是一个下限，所以看起来不太令人满意。
这个问题很重要。例如，如果生命的分子组织是模块化的，那么生命科学家的工作就会比没有模块化更容易。最好有一个强有力的测试--到目前为止，一些讨论似乎涉及一厢情愿的想法。
我对此最好的尝试是：-如果靠近叶子
浏览 0提问于2015-02-25得票数 3
1回答
基于决策树无监督学习的聚类评价
、、、、
我试图评估一些聚类结果，这是一家公司对某些数据所做的，但他们使用了一种我从未见过的聚类评估方法。所以我想征求你的意见，很明显，如果有人知道这个方法，如果他/她能向我解释整个想法，那就太好了。
对数据集( 500000行中的250000行和5个特性的样本)使用k-原型进行聚类，因为其中一个特征是绝对的。将k= 2:10与λ= c(0.3,0.5,0.6,1,2,4,6.693558,10)进行了组合，并采用3种方法确定了最佳组合。
弯头法(用最小的WSS选择簇数和λ数)
📷
剪影法选择最大轮廓的簇数和λ数)
📷
决策树
他们为数据构建了一个决策树，然后对每个不同的聚类组合计算出以下值：(在簇纯度
浏览 0提问于2019-11-29得票数 2
回答已采纳
1回答
我正在使用凝聚层次聚类方法对一组数据进行聚类。其中我用于clusrting的数据集是轨迹。我使用一个自定义的距离函数来估计轨迹之间的距离。matlab代码如下:Z= linkage(ID，'single'，'@my_distfun')；
在对数据进行聚类后，我希望找到具有代表性的实例(或轨迹)。
如何找到每个集群的代表性实例(轨迹)？
浏览 0提问于2015-11-16得票数 1
2回答
维基百科在上的文章指出，在使用分层聚类时，我不需要担心这样的问题。然而，当我尝试使用scikit--学习的时，我发现我必须将集群的数量作为参数"n_clusters“提供给它--没有这个参数，我就可以得到两个集群的硬编码缺省值。在这种情况下，如何为dataset选择正确的群集数目？维基的文章是错的吗？
浏览 4提问于2015-08-26得票数 8
回答已采纳
2回答
是什么使光谱聚类比Kmeans聚类更好？我知道Kmeans聚类是光谱的最后一步。但是，为什么前面涉及到的谱聚类步骤使其成为一种更方便的聚类方法？
浏览 0提问于2018-08-02得票数 3
1回答
我需要在OpenCV中使用聚集层次聚类。当我搜索文档时，我发现了以下函数。但它使用了等级k-方法。K-均值是一种不同的技术。在理论上，我们研究了这两种不同的聚类技术。分层k-的意思与层次聚类有何不同？
我需要在图像中聚集一些特定的空间位置。结果用于某些对象的识别。
浏览 1提问于2015-02-23得票数 3
回答已采纳
1回答
代表的递增层次结构
、、、
我有一个遵循这个方案的增量聚类算法：
Let x a new data-point, and c the centroid that is closest from x
if( distance(x, c) > threshold )
x becomes a new cluster center (i.e. a new centroid)
else assign x to c (i.e. update the centroid by taking x)
为了加快从x到最近的中心的搜索速度，我希望有一个分层的中心结构(使用树)，我们可以在每次考虑新的数据点时增量地更新它。
树的每个内
浏览 0提问于2012-09-23得票数 0
回答已采纳
1回答
我有一个由矩阵A=(100x15)表示的知识库( KB )，我必须将这个知识库聚成5个集群。
我使用了Matlab中的代码：
idx=kmeans(A,5)
得到了矩阵A中每一行的聚类指数idx的结果。
现在，我有了一个新的向量B=(1x15)，一种新的条目，我必须对这个新向量进行聚类，从以前获得的聚类开始。
当我将新条目B添加到KB中时，我回忆起用C(由A和B组成)的函数
idx1=kmeans(C,5)
我获得了一个新的idx1，它的所有结果都不同于idx。
我的范围是了解B的集群相对于集群所获得的对KB的集群。
你能帮我一下吗？
提前谢谢。
浏览 1提问于2016-01-21得票数 1
回答已采纳
2回答
我正在尝试使用R进行k-means集群，这就是我迄今为止所做的工作：
tmp <- kmeans(ds, centers = 4, iter.max = 1000)
plot(ds[tmp$cluster==1,c(1,5)], col = "red", xlim = c(min(ds[,1]),
max(ds[,1])), ylim = c(min(ds[,5]), max(ds[,5])))
points(ds[tmp$cluster==2,c(1,5)], col = "blue")
points(ds[tmp$cluster==
浏览 12提问于2017-11-11得票数 2
回答已采纳
我读了几篇关于一维阵列聚类的文章，其中有人说聚类不适合一维阵列，应该使用核密度估计。然而，没有人解释如何使用kde准确地执行聚类，如何检索输入数据的聚类标签？
在scikit-learn中，我得到了单变量(一维)数据的核密度估计。
kde = KernelDensity(kernel='gaussian', bandwidth=0.75).fit(features)
现在如何将其用于集群，即如何检索输入数据的集群标签？
我在考虑两种可能的方法: a)使用kde为一些聚类估计器(例如kmeans)获取新的2D输入数据。我想以直方图(值，频率)的形式检索2D数据数组，但我不知道如何
浏览 3提问于2016-06-14得票数 0
2回答
在我的例子中，我有一个在图像中检测到的字母和符号的数据集。检测到的项目由它们的坐标、类型(字母、数字等)、值、方向而不是图像的实际边界框来表示。 My的目标是，使用这个数据集，将它们分组为不同的“单词”或上下文组。
到目前为止，我采用了经典的无监督聚类算法，取得了很好的结果，但这仍然是限制样本几何距离的方法οo，因此产生的组不能像我想要的“单词”。因此，我正在寻找一种方法来影响聚类算法的结果，使用我所掌握的关于所需集群的“类词”性质的知识.
我认为可能的方法是创建一个真实和错误的聚类数据集，并训练一个SVM模型(或任何分类器)来检测建议的聚类是否正确。但就这一点而言，我没有确凿的证据证明，我能
浏览 0提问于2019-11-28得票数 3
1回答
我正在试验聚类算法，比如K-均值。现在，我使用所有变量作为聚类算法的输入。我想知道是否适合对聚类算法进行特征选择。也就是说，如何找到那些对集群最重要或最不重要的变量。
对于我知道真正的聚类是什么的情况，我的想法是使用不断增加的变量组合子集作为聚类算法的输入，计算预测组和真实组之间的关联表，应用一些度量(比如准确性)来找到得分最差或最好的特征组合。
您知道在应用聚类算法(如k-均值)之后，获得最小和最重要特征的方法吗？
我是这个话题的新手，所以请友好一点。:-)
浏览 0提问于2021-10-16得票数 0
本问题全文如下：
设G是一个具有n个顶点的连通图，m个边具有不同的边权。设T是G的n个顶点和n-1边的树(即生成树)，定义了T的瓶颈边为具有最小权的T的边。如果没有具有较大瓶颈边的生成树，则最大瓶颈树是G的生成树。为下列陈述证明或提供反例：
G的每个最大生成树都是G的最大瓶颈树。
我认为由于图有唯一的边权，所以G的每个生成树也是唯一的。然后只有一个G的最大生成树，如果我能证明这棵树也是一个最大瓶颈树，那就证明了这个说法是正确的，但前提是对于所有有唯一边权的图都是正确的。
我试着寻找反例来证明这个错误，但到目前为止，我画的每一张图都有唯一的边权值，最后得到的最大生成树也是一个最大瓶颈树。
浏览 1提问于2014-12-10得票数 0
回答已采纳
1回答
谷歌的Word2vec在自然语言处理任务中被证明是强大的。我对这个工具还很陌生，不清楚它到底能做什么。
假设我们有一句话：“这个周末我要去纽约。”
基于这句话，我们有很多选择来转换它。例如：
1)“这个周末我要和爸爸去纽约。”
2)“这个周末我要去洛杉矶。”
3)“这个周末我不去纽约。”
我想从word2vec得到的是，给定基本句子，我如何预测它的转换之一是最有可能的转换？或者，给定一个变换，我们可以在基本句子之上计算概率。
一个额外的问题是，除了word2vec之外，还有没有其他工具可以达到同样的目的？
浏览 1提问于2015-07-09得票数 1
1回答
我必须根据它们的余弦相似性来比较它们，并根据它们在意义上的相似性从它们产生k簇。基本上，我有一个词如下：
[directors, producers, film, movie, black, white, man, woman, person, man, young, woman, science, fiction, thrilling, realistic, lovely, stunning, criminals, zombies, father, son, girlfriend, boyfriend, nurse, soldier, professor, college]
我在一个完整的加
浏览 2提问于2018-05-04得票数 1
1回答
下面是层次结构聚类图。
首先，我有以下几项：
我想以分级的方式将以上项目按其距离进行聚类。在上面的例子中，聚类按以下步骤进行：
step1。b/c、d/e聚为(bc)和(de)是因为它们彼此很接近。
step2。(de)/f被聚成(def)，因为(de)接近f
step3。(bc) / (def)被聚成(bcdef)，因为集群(bc)和(def)是接近的。
step4。a/(bcdef)被聚成(abcdef)，因为它们是目前仅有的两个簇。
所以这个过程可以如下所示：
我认为该算法的实现如下：
计算每对项目之间的距离。如D(a，b)，D(a，c)，D(a，d)...The
浏览 1提问于2014-02-12得票数 0
回答已采纳
2回答
我在matlab中实现了图像分类的词袋算法。我对特征进行了k均值聚类，并将其划分为250个聚类。我无法理解如何绘制直方图。
浏览 2提问于2015-05-23得票数 0
1回答
我想对一些文本文档进行聚类，以找到具有相同概念的文档。我已经使用潜在语义分析(LSA)进行了语义相似性分析，但我搞不清应该选择哪种聚类方法来实现我的目的。谢谢
浏览 1提问于2015-06-19得票数 0
9回答
聚类地理位置坐标(lat，长对)
、、、、
地理位置聚类的正确方法和聚类算法是什么？
我使用以下代码对地理位置坐标进行聚类：
import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans2, whiten
coordinates= np.array([
[lat, long],
[lat, long],
...
[lat, long]
])
x, y = kmeans2(whiten(coordinates), 3
浏览 0提问于2014-07-17得票数 66
回答已采纳
我的背景如下：
资料:病人一级的静态、基线健康数据，40个特征，稀疏(~ 25个二进制特征，多个0或多个1+其他分类特征)
目的:将实例聚为临床有意义的亚群体或临床背景，以获得风险亚群体的感觉(根据后续结果)。
经过考虑的方法(请参阅这篇简短的博客文章(读了2分钟)的基本原理)：
在后续结果中加入一个随机森林，使用所有特征(不去噪或去除相关性)。
利用树叶中的共现得到病人的相似矩阵。
转换成距离矩阵
用这个距离矩阵聚类病人
我的问题如下：
我只发现了使用这种方法进行无监督聚类的文献(即在随机目标变量上学习RF )：2016年和2018年Dalleau (未出版)。有没有人对这些方法有深入的见解
浏览 0提问于2019-04-17得票数 5
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
