风险平价是构建多样化和均衡投资组合十分流行选择。众所周知，大多数资产类别的未来表现很难预测。 通过仅使用资产的风险特征和相关矩阵构建投资组合，风险平价方法克服了...

"If you set your goals ridiculously high and it's a failure, you will fail above...

之前几个章节都是介绍有监督学习，这个章节介绍无监督学习，这是一个被称为k-means的聚类算法，也叫做k均值聚类算法。

根据聚类结果的结构，聚类算法也可以分为划分式(partitional )和层次化(hierarchieal两种。划分聚类的结果是一系列不相交的子集，而层次聚类的...

数据聚类是搭建一个正确数据模型的重要步骤。数据分析应当根据数据的共同点整理信息。然而主要问题是，什么通用性参数可以给出最佳结果，以及什么才能称为“最佳”。

如何判断数据是否适合聚类？ k类是如何确定的？ 遇到数据集小的时候，如何得到直观的聚类图？ 遇到非凸集数据，聚类要如何实现？

K-Means 是一种非监督学习，解决的是聚类问题。K 代表的是 K 类，Means 代表的是中心，你可以理解这个算法的本质是确定 K 类的中心点。当你找到了中...

The thing that is really hard, and really amazing, is giving up on

年关将近，大家在疯狂的抢火车高铁票的同时，也面临着孤身一人回家的尴尬处境，比方说是这种样子

层次聚类(hierarchical clustering)基于簇间的相似度在不同层次上分析数据，从而形成树形的聚类结构，层次聚类一般有两种划分策略：自底向上的聚...

· 适用于在已有了一些预先定义好的变量并且需要一个简单的预测模型的情况下使用；

聚类算法根据常见特征对数据进行分组。例如，在上图中，基于颜色来组织点。同样，无论是任何数据，聚类算法都试图了解它们之间的共同点，因此将它们“聚类”在一起。

K-means是一个经典的聚类算法在此就不赘述算法原理（延伸阅读：wikipedia: k-平均算法），我们在项目中使用的是Python Scikit Lear...

导读：大部分的机器学习算法主要用来解决两类问题——分类问题和回归问题。在本文当中，我们介绍一些简单但经典实用的传统机器学习算法，让大家对机器学习算法有一个基本的...

该图不能代表数据集，因为无法区分圣诞老人身体的任何特征。该图超出了节点的任意位置，使圣诞老人看上去像蛇一样，它相当于一条连接的节点线。这表明需要更改聚类算法的默...

动态聚类法的改进方法：为了检验聚类的稳定性，可用一个新的初始分类重新检验整个聚类算法。如最终分类与原来一样，则不必再进行计算；否则，须另行考虑聚类算法。

这类方法天然克服了proposal-based的缺陷，但一般无法端到端训练，且受限于聚类算法，性能一般有限。

无监督学习是一种机器学习的训练方式，它本质上是一个统计手段，在没有标签的数据里可以发现潜在的一些结构的一种训练方式。

2，迭代聚类算法在考虑聚类点时，对被占用的体素进行严格的空间连通性。这意味着超体素不能在三维空间中连接不相交的边界，即使它们在投影平面上是相连的。

精准测试云平台采用“一种基于测试用例与代码逻辑、源码版本关系矩阵的测试用例选取方法”的回归技术，在回归测试时，基于智能算法，完全自动筛选计算出每个测试用例受影...