5.7.2 聚类之间距离的度量方法.pdf-石胜飞-人民邮电出版社
文本预览下载声明
第5章聚类算法1935.7层次聚类层次聚类（HierarchicalClustering）算法与K均值算法一样，被广泛地使用。层次聚类有两种产生聚类的方法：一种是自下而上凝聚
显示全部
文档详情
相似文档
-
5.7.3 层次聚类算法的性质.pdf-石胜飞-人民邮电出版社
204大数据分析与挖掘（2）2D(0)中非对角线的最小元素是0.5，将C1和C2合并成C7，C5和C6合并成C8，S的增加最小，即C7={C1，C2}={x1，
-
5.7.4 BIRCH 算法.pdf-石胜飞-人民邮电出版社
第5章聚类算法207labels].astype(np.float))(24)plt.xlabel(x,fontsize=16)(25)plt.ylabel(y,fontsize=16)(26)plt.show()5.7.4BIRCH
-
5.9.2 Mean Shift 算法聚类过程.pdf-石胜飞-人民邮电出版社
第5章聚类算法219ihihiixSmixSmxxm∈∈=∑∑其中，mi为各样本点重量。也可以将质心看作每个样本点xi以mi为权重的加权平均。5.9.2Mean
-
2.2.3 数据分布形态的度量.pdf-石胜飞-人民邮电出版社
24大数据分析与挖掘通常，总体标准差用符号σ表示，样本标准差用s表示。从上述方差和标准差的定义来看，它们的大小与数据本身的大小密切相关，并且都带有量纲。这样具有
-
6.6.2 应用实例.pdf-石胜飞-人民邮电出版社
250大数据分析与挖掘(4)基于上次的执行结果选择一个算法Aj(5)基于上次的执行结果从数据集D中选择一个新的数据集fj(D)(6)将算法Aj应用到fj(D)(
-
5.8.2 CLIQUE 算法.pdf-石胜飞-人民邮电出版社
第5章聚类算法213max=max(mini)如果数据的分布已知的话，则可以事先指定disti是哪种分布类型。否则，可以通过卡方检验等假设检验方法来获得。当前网格的数据分布dist的计算稍微复
-
5.5.2 OPTICS 算法.pdf-石胜飞-人民邮电出版社
第5章聚类算法185（2）不需提前指定聚类个数k。（3）聚类的同时可发现异常点。（在上述算法中，暂时标记的噪声点有可能是噪声或是边界点，边界点在之后的循环会被标记其所属聚类，最后剩下的未被改变过的噪声点将是真正的异常点）（4）对数据集中的异
-
5.5.1 DBSCAN 算法.pdf-石胜飞-人民邮电出版社
182大数据分析与挖掘(1)#-*-coding:utf-8-*-(2)frompyspark.mllib.linalgimportVectors(3)from
-
习题.pdf-石胜飞-人民邮电出版社
160大数据分析与挖掘(21)print(predictionsis:),predictions.collect()(22)print(TestMeanSquaredError=+str(
-
4.4.2 Bagging 算法.pdf-石胜飞-人民邮电出版社
第4章分类与回归算法135学习器为：3123F()0.6931()0.9729()1.6481()xGxGxGx=++，3sign(())Fx在训练集上没有误分类点。最终，集合学习器为：123
-
4.4.1 Adaboost 算法.pdf-石胜飞-人民邮电出版社
130大数据分析与挖掘表4-17房屋价格预测结果检索到的案例ID调整售价（元）相似性得分预测售价（元）8061970000.951871508632020000.881777602111965
-
4.6.1 线性回归.pdf-石胜飞-人民邮电出版社
146大数据分析与挖掘4.6回归分析在大数据分析中，回归分析（RegressionAnalysis）是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预
-
3.2.1 Apriori 算法.pdf-石胜飞-人民邮电出版社
第3章关联规则挖掘61规则的一个指标就是它的支持度：()()ABsupABNσ→=∪（公式3-3）根据定义，sup({面包}→{牛奶，奶酪})=()50%XNσ
-
2.4.4 数据清洗.pdf-石胜飞-人民邮电出版社
第2章数据特征分析与预处理496．主成分的解释在实际应用中，原始数据的每一个属性都有明确的含义。主成分是这些属性的线性组合，在选定主成分之后，还需要结合应用，对
-
2.4.3 主成分分析.pdf-石胜飞-人民邮电出版社
42大数据分析与挖掘只有两种可能：保留或被替换。被替换的概率为1111kkkk×=++，则继续留在R中的概率为1111kkk−=++。最终留在R中的所有元素被抽中的概率都为1kk+，初始条件满足假设。（2）