1回答
有人能指出特征选择和聚类以及降维算法之间的区别吗？聚类帮助我们指出哪些变量簇清楚地定义了输出。这与降维算法不一样吗？特征选择+聚类不是和</
浏览 4提问于2015-10-27得票数 0
1回答
我有一个庞大的混合数据集，它由数值属性和分类属性组成，在OneHotEncoding上形成一个具有很高维数的数据集。
将机器学习算法(如K-均值聚类、降维和回归)应用于数据集子集是否明智？例如，首先将K-均值聚类应用于数值列，然后将结果与分类数据集连接起来。
浏览 0提问于2018-02-28得票数 1
回答已采纳
2回答
我目前正在做一个项目，我希望对多维数据进行聚类。我尝试了K均值聚类和DBSCAN聚类，两者都是完全不同的算法.K-均值模型返回了相当好的输出，它返回了5个簇，但是我已经读到，当维数很大时，欧氏距离会失败，所以我不知道我是否可以相信这个模型。在尝试DBSCAN模型时，该模型产生了大量的噪声点，并在一个集群中对多个点进行了聚类。我尝
浏览 0提问于2020-03-31得票数 2
回答已采纳
1回答
无监督降维算法以矩阵NxC1为输入，其中N是输入向量的个数，C1是每个向量的分量数(向量的维数)。因此，它返回一个新的矩阵NxC2 (C2 < C1)，其中每个向量的分量较少。模糊聚类算法以矩阵N*C1为输入矩阵，其中N是输入向量的个数，C1是每个向量的分量数。因此，它返回一个新的矩阵NxC2 (C2通常低于C1)，其中每
浏览 2提问于2015-10-13得票数 3
回答已采纳
1回答
多维数据k均值聚类后的主成分分析
、、、、
我有以下10个变量的数据集：我想用这个多维数据集来识别集群，所以我尝试使用以下代码来实现k均值聚类算法：data['clusters'] = clustering_kmeans.fit_predict(data)
为了绘制结果，我使用PCA
浏览 9提问于2021-10-24得票数 1
回答已采纳
1回答
我想分析内核方法的有效性和效率，对于以下每种情况，我都需要在二维空间中使用3种不同的数据集：
BAD_kmeans: kmeans聚类算法性能不佳的数据集。BAD_pca:主成分分析(PCA)降维方法在将原始点投影到一维空间(即第一特征向量)时表现不佳的数据
浏览 0提问于2014-10-18得票数 3
回答已采纳
3回答
我有一个数据集的图像，我已经提取了9个数字特征，我想应用k均值聚类或分层聚类。我只是不知道该怎么做。我读过的教程都只有2到3个特性，所以很容易应用和绘图。如能提供任何帮助，将不胜感激。下面是我到目前为止掌握的代码：
ms.fit(numpyArr)cluster_centers
浏览 0提问于2019-07-30得票数 1
1回答
对于我的论文作业，我需要对包含从零售店(+1000维)购买数据的高维数据集执行聚类分析。因为传统的聚类算法不能很好地适用于高维数据(并且降维并不是一个真正的选择)，所以我想尝试专门为高维数据开发的算法(例如ProClus)。
然而，在这里，
浏览 3提问于2016-03-14得票数 0
2回答
我注意到UMAP经常与其他聚类算法结合使用，例如K-means、DBSCAN、HDBSCAN。然而，据我所理解，UMAP可以用于集群任务。那么，为什么我注意到人们主要把它作为一种降维技术呢？这里是我所说的一个例子：https://medium.com/grabngoinfo/topic-modeling-with-deep-learning-using-python-bertopic-cf91f5676504将它与其他聚类
浏览 0提问于2023-03-29得票数 0
回答已采纳
1回答
我有一个问题，不知道该应用哪种算法。我正在考虑在第二种情况下应用集群，但不知道第一种情况：
我有.5百万张信用卡活动文档。每个文档都定义良好，每行包含一个事务。日期、金额、零售商名称以及零售商的简短描述( 5-20个单词)。样本: 2004-11-47，$500，亚马逊，一家提供商品和服务的在线零售商，包括书籍，硬件，音乐等。问题: 1.如何对每个条目进行分类，因为没有预先定义的类别。2.如果给你预先定义的类别，比如“餐馆”、“娱乐”等，你会怎么做？
浏览 0提问于2011-09-14得票数 1
回答已采纳
1回答
我是时间序列分析的新手。我的工作主要与时间序列聚类相关。为此，我试图找出一些相似性度量来比较两个时间序列。我已经学习了DTW和约束DTW。是否有其他通常用于此任务的相似性度量？我的数据集在维度(~100)和数据点数量(~10000)方面都很大。我不能应用像PCA这样的降维算法来降维，因为在进一步的工作中需要这样
浏览 4提问于2015-03-12得票数 0
在特征聚维降维中，亲和力=“预先计算”意味着什么?它是如何使用的？但是，我不知道这个“预算法”实际上意味着什么，我是否必须为特征聚集算法提供“预先计算”的内容？“预先计算”究竟是什么意思？除了原始数据预处理(缩放)，numpy数组之外，我没有传递任何其他内容。在进行特征聚类的fit_transform后，将结果传递给Birch聚类算法</
浏览 0提问于2018-09-27得票数 2
回答已采纳
1回答
什么是光谱聚类？我几乎没有统计学的背景。我试着在网上搜索笔记，但他们假设了很多知识。
如果你能在网上找到一些关于光谱聚类的基础知识和数学基础的笔记，那就更好了。我发现像这个一这样的笔记需要很多不适合我的背景知识。
浏览 0提问于2018-06-21得票数 4
5回答
我有一个包含10,000个基因的数据集，如下所示 1 0 1 1asian每一行都意味着一个人的DNA中是否有一个基因。我们正试图根据上述数据对不同的族裔群体进行分类。但是首先，我们想要使用一些聚类算法来可视化集群对于不同种
浏览 0提问于2017-10-07得票数 7
我使用K均值聚类绘制了一些数据点。屏幕截图可以在"https://imageshack.com/i/pomMJXMkj“上找到。当我可视化这些数据点时，可以清楚地看到许多点不在它们各自的集群中，这个绿色的点是其中一个远离其质心的点，显然非常接近蓝色质心。根据K-Means算法，该点被添加到具有最近质心的聚类中。下面提到了以下可视化的
浏览 17提问于2019-05-02得票数 0
1回答
自组织映射与线性矢量量化
、、、、
自组织映射更适合于聚类(降维)而不是分类。但是SOM在线性矢量量化中被用来进行微调。但LVQ是一种监督学习方法。因此，要在LVQ中使用SOM，就必须为LVQ提供一个标记的训练数据集。但是由于SOM只做聚类而不进行分类，因此不能有标签数据，那么SOM如何作为LVQ的输入？
LVQ是否微调了SOM中的集群？在LVQ中使用之前，SOM是否应该通过另一种分类算法<
浏览 1提问于2015-12-08得票数 2
回答已采纳
2回答
PCA降维后的聚类
、、、
假设我们有一个大维的数据集，我们使用PCA将其降到了较低的维度，那么对所述数据使用聚类算法是否明智/准确？假设我们不知道会有多少个集群。在Iris数据集上使用PCA ( csv中的数据按顺序排列，以便列出所有的第一类，然后是第二个，然后是第三个)生成以下图：
可以看出，Iris数据集中的
浏览 5提问于2013-09-25得票数 0
回答已采纳
2回答
问题是应该首先考虑哪一个: a)聚类还是b)降维算法？换句话说，我是否可以应用一种伪(因为它不是真正的)降维方法，如t-SNE，然后使用聚类算法来提取聚类，或者是否应该在原始的高维空间上执行聚类，并仅用于给节点着色？
浏览 1提问于2016-06-21得票数 3
我是机器学习的新手，正在尝试用聚类算法进行分割。然而，由于我的数据集既有类别变量(如性别、婚姻状况、首选社交媒体平台等)，也有数字变量(平均支出、年龄、收入等)，我无法决定哪些算法值得关注。我应该尝试哪一个:模糊c均值，k-medoids，还是与k- means ++进行比较的潜在类？对于这些类型的混合数据集，哪些会产生更好的结果？
额外
浏览 0提问于2018-04-26得票数 0
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
腾讯会议
云直播活动推荐
腾讯云开发者
