第130行: |
第130行: |
| ==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]] |