7,129
个编辑
更改
跳到导航
跳到搜索
第130行：
第130行： + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
→参考文献
==参考文献==
==参考文献==
<references />
<references />
==编者推荐==
[[File:聚类算法对比.jpg|右|600px|thumb|[https://zhuanlan.zhihu.com/p/37381630 数据科学家需要了解的5种聚类算法]]]
====[https://zhuanlan.zhihu.com/p/37381630 数据科学家需要了解的5种聚类算法]====
聚类是一种涉及数据点分组的机器学习技术。《数据科学家需要了解的5种聚类算法》介绍了k-means聚类、Mean-Shift聚类、具有噪声的基于密度的聚类方法（DBSCAN）、EM聚类和层次聚类5种常见实用聚类算法及其原理，并且对比了其优缺点。
====[https://zhuanlan.zhihu.com/p/75324430 k-means 聚类算法原理及优化（贪心学院）]====
《k-means 聚类算法原理及优化》从以传统的k-means算法为基础，介绍了k-means的优化变体方法,包括初始化优化k-means++, 距离计算优化elkan k-means算法和大数据情况下的优化Mini Batch k-means算法。
====[https://zhuanlan.zhihu.com/p/108636613 无监督学习|聚类算法综述]====
《无监督学习|聚类算法综述》介绍了多种无监督学习的聚类算法的原理、相关概念及实现代码，包括邻近算法、GMM算法、BIRCH算法等。
[[File:k-means课程.png|right|thumb|400px|[https://campus.swarma.org/play/coursedetail?id=10559 基于Julia的KMeans并行化]]]
===相关课程===
====[https://campus.swarma.org/play/coursedetail?id=10559 基于Julia的KMeans并行化]====
本课程首先讲解了k-means聚类算法的相关思想，然后对使用Julia并行化实现k-means算法的方法进行了详细的介绍。
----
本中文词条由[[用户:Xushuxu|Xushuxu]]、[[用户:计算士|计算士]]参与编译，[[用户:薄荷|薄荷]]编辑，欢迎在讨论页面留言。
'''本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。'''
[[Category:统计分析]]