你将收获

理解PCA和t-SNE的基本思想; 运用PCA和t-SNE解决实际问题;

理解KMean聚类的过程

理解聚类系统的性能评价指标;

运用KMeans聚类算法解决实际问题。

适用人群

有一定数学和计算机编程基础,希望掌握非监督学习学习相关知识的学员

课程介绍

本章介绍非监督学习相关知识,并通过实例介绍多种聚类降维算法的使用。

课程讨论

真的是听不懂所以然了

同学笔记

  • weixin_41836794 2020-04-12 18:57:26

    来源:t-SNE 查看详情

    保存了局部结构,KL散度越小越好

  • sinat_41475087 2020-02-26 19:26:43

    来源:聚类案例分析:Event聚类 查看详情

    normalize是以行为单位,进行标准画

     

  • sinat_41475087 2020-02-26 08:01:27

    来源:聚类简介 查看详情

    a(i)类内散度:类内的平均距离

    d(i,C)类间散度:点i到其他类C的平均距离。

    b(i):最小的d(i,C)

     

    计算轮廓系数

    si = (bi-ai)/max(bi,ai)

     

    ch索引:类似轮廓系数,但计算快

    类内散度和类间散度的计算,都是用中心点来计算,计算量小。

没有更多了