创建覆盖非聚集索引以满足给定查询的要求。如果索引中不存在某一列，则SQL server将要求执行键查找。为了防止关键字查找，创建了一个覆盖索引，但我不理解的是，为什么下面是一个覆盖索引，而其中一列没有包括在内。数据库: Adventureworks 2008 R2表: Production.WorkOrder索引名称: IX_WorkOrder_ProductIDSELECT WorkOrderID,StartDateWHE
浏览 2提问于2013-05-02得票数 2
回答已采纳
1回答
我有一个具有不同配置文件的用户的timeseries数据集。我想使用lstm来预测每个用户提前一天的时间。我解决这个问题的方法是首先对具有相同行为的用户进行聚类。然后，在每个组中训练不同的lstm模型，以便每个lstm模型将负责该用户组，并使用该组的时间序列数据进行训练。在测试场景中，我将首先找到新用户的簇，然后根据训练好的相应簇的lstm进行预测。我已经开始使用
浏览 1提问于2020-09-02得票数 0
我正在使用MATLAB中的K-means进行一些聚类。如你所知，它的用法如下：其中IDX给出了X中每个数据点的簇号，C给出了每个簇的质心。我需要获得最接近质心的数据点的索引(实际数据集X中的行号)。有人知道我是怎么做到的吗？谢谢
浏览 0提问于2010-12-09得票数 5
回答已采纳
1回答
我使用K-均值算法来创建簇。如您所知，K-均值算法需要簇数作为参数。我尝试将集群数从8开始计算为2，然后在每个循环中计算集群的所有C-索引，然后得到这些C-索引的副手。然后比较C指数的平均值，选择最小的C指数平均值作为最优聚类数.这是检测集群计数的真正方法吗？
浏览 2提问于2014-12-09得票数 0
DBSCAN与k-均值或k-medoid是非常不同的，它们假定簇应该具有特定的形状。它假设聚类是一组彼此紧密相交的点，在数据空间中形成一个密集的点邻域。我可以计算每个集群的数据点的平均值，从而得到每个集群的质心。但这会是一个正确的过程吗。因为质心的概念似乎只适用于具有特定形状的团簇，如超球面。
请回答DBSCAN计算的星系团的质心是否正确？
浏览 1提问于2020-06-08得票数 1
回答已采纳
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。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<e
浏览 0提问于2019-11-29得票数 2
回答已采纳
CONSTRAINT FK_rowC FOREIGN KEY (rowC) REFERENCES table_b (table_b_PK),我希望能够查询5个不同的表。并且它们只在两个表之间共享列。例如，1和2共享一列，2和3共享一列，3和4共享一列，依此类推。我喜欢利用集群，所以我想弄清楚在我的情况下人们是如何做到这一点的。
浏览 0提问于2020-07-23得票数 0
使用k-means，我对直方图进行聚类，以获得帧的简历。我想要这样的东西：
但是，我如何绘制具有256列的k均值过程的代表性图形？有什么帮助吗？我对Python和机器学习真的很陌生。
PD:我的k-means代码运行得很好，它以我想要的方式聚集在一起，但我不知道如何正确地表示它。
浏览 0提问于2018-07-02得票数 0
1回答
Birch聚类算法是否具有等价性？文档中似乎没有。
如果没有内置的方法来检查这种测量，那么找到每个簇中每个点最近的近邻的平均欧几里得距离是否有意义。然后找到这些平均距离的平均值吗？
浏览 3提问于2016-04-28得票数 0
1回答
我有许多问题和选择，用户将回答。它们的格式如下：对于每个用户，我将已回答的问题和每个用户选择的选项存储为mongodb中的json：现在，我尝试使用K-均值集群和流来根据用户的问题选择来查找大多数相似的<em
浏览 5提问于2017-08-23得票数 2
回答已采纳
3回答
(例如1000*1000)
给定的输入是四个ints: x，表示每个矩形的左下角及其宽度和高度的(x，y)坐标。因此，问题需要计算: 1.最大厚度2.簇数3.单个簇的最大簇元数4.单簇的最大面积
例如，在上面的图片中，最大厚度为3，有2个团簇。一个簇由3个矩形组成，其面积为44。另一组中的元素数为4，区域为30。因此，最大聚</
浏览 3提问于2015-02-22得票数 4
我试图通过首先在R中执行K-means聚类，然后在每个代表性聚类中采样50-100个样本来减少输入数据大小，以便进行下游分类和特征选择。 原始数据集被分割为80/20，然后80%进入K均值训练。同时，我测试了肘部方法，以找到聚类数的最佳K，它约为8。因此，我选择了10个，以便有更多的数据簇可供下游采样。 现在我已经运行完了模型<- Kmeans()，输出列表让我有点不知道该怎么做。由于我只需缩放数值变量即可将其放入kmeans函数中，因此输出集群成员不再具有该处理标签。我
浏览 30提问于2020-11-02得票数 0
回答已采纳
1回答
一种天真的方法是对图像的luma直方图进行聚类(一维聚类是更简单，而不是2D或3D )。色度可以通过平均每个簇中的像素来生成。不幸的是，如果图像具有统一的luma，这种技术就不能很好地工作。有什么想法吗？
浏览 0提问于2018-04-04得票数 0
回答已采纳
1回答
我正在研究一种聚类算法，它从一个导入大熊猫的excel文件中获取输入作为一个列表。该列表被划分为由k[0], k[1].....k[7]表示的类似8个浮点的数据块(索引数对应于字典中的值)。本质上，每个集群都应该用相同的颜色标记。我想知道如何将这个列表映射到颜色(最好是与聚类算法中的簇数一样多的颜色，这是事先知道的)。
浏览 1提问于2017-07-13得票数 0
回答已采纳
每个条目都给了我衬衫的尺码、价格和位置的详细信息。我想把这些数据按衬衫品牌分类。从数据集的来源来看，我知道数据集中有500个不同品牌的衬衫。
我可以使用具有500个簇的聚类算法吗？我计划使用K-Means是否对聚类的数量有任何限制，我主要看到过K-Means用于聚类的示例，比如5到10个聚类。我还没有看到一个集群数量是500的例子。
浏览 3提问于2018-09-01得票数 0
2回答
我希望将数据聚成垂直簇，并得到每个集群中各点的索引，这样我就可以回去查看实际数据，并得到集群中各种参数的平均值。我希望每个尖峰都是一个单独的集群，并获取集群中值的索引。有谁能提出解决这个问题的方法吗？谢谢。
浏览 0提问于2019-06-13得票数 1
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
