神经网络与机器学习笔记——K-均值聚类
2015-05-25 20:40
330 查看
聚类是非监督学习的一种形式,它将一个观测集(即数据点)划分到自然组或模式聚类。聚类的途径是测量分配给每个聚类的观测对之间的相似性以最小化一个指定的代价函数。
K-均值(K-means)简单易实现,同时具有良好的性能。
聚类重新定义:
给定N个观测值得集合,通过以下方式寻找编码器C:将这些观测值分配给K个聚类,使得在每个聚类中,给定的观测值与聚类均值的不相似性的平均度量最小。
K-均值(K-means)简单易实现,同时具有良好的性能。
聚类重新定义:
给定N个观测值得集合,通过以下方式寻找编码器C:将这些观测值分配给K个聚类,使得在每个聚类中,给定的观测值与聚类均值的不相似性的平均度量最小。
相关文章推荐
- 斯坦福大学Andrew Ng - 机器学习笔记(3) -- 神经网络模型
- 机器学习中使用的神经网络第四讲笔记
- Stanford机器学习课程笔记——神经网络的表示
- 吴恩达 机器学习 神经网络编程代码练习笔记
- 斯坦福机器学习课程笔记week4&5-神经网络
- 机器学习中使用的神经网络第七讲笔记
- 机器学习-学习笔记 神经网络
- 机器学习笔记(二) 神经网络
- 机器学习公开课笔记(4):神经网络(Neural Network)——表示
- 神经网络与机器学习导言笔记——网络结构与知识表示
- 机器学习笔记(五)----神经网络的学习(Neural Networks: Learning)
- 机器学习--学习笔记(三)--神经网络
- 机器学习中使用的神经网络第三讲笔记:线性/逻辑神经网络和BackPropagation
- 机器学习笔记(XIV)神经网络(I)基本概念
- Andrew NG 机器学习 笔记-week4-神经网络:表述
- 机器学习笔记二十一 神经网络(未整理完)
- Stanford机器学习课程笔记——神经网络学习
- 【机器学习笔记】循环神经网络RNN
- 学习笔记——吴恩达-机器学习课程-1.3 用神经网络进行监督学习
- 机器学习笔记之神经网络模型(二)