温馨提示:由于个人手机设置不同,如果发现不能下载,请复制以下地址【https://www.wenke99.com/d-9969431.html】到电脑端继续下载(重复下载不扣费)。
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。 2: 试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。 3: 文件的所有权益归上传用户所有。 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。 5. 本站仅提供交流平台,并不能对任何下载内容负责。 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
本文(机器学习之聚类分析ppt课件.pptx)为本站会员(晟***)主动上传,文客久久仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知文客久久(发送邮件至hr@wenke99.com或直接QQ联系客服),我们立即给予删除!
R 聚类分析 Clustering Analysis 主讲人:吕朝晖 西北大学智能信息处理实验室目录 什么是聚类 距离度量方法 几种常见的聚类方法 练习概述 监督学习(supervised learning) 无监督学习(unsupervised learning) 半监督学习(Semi-Supervised Learning) 概述从给定的训练数据集中学习出一个函数(模型参数), 当新的数据到来时,可以根据这个函数预测结果 监督学习就是最常见的分类问题 监督学习的目标往往是让计算机去学习我们已经创建好 的分类模型 最典型的算法是KNN和SVM 监督学习(supervised learning)输入数据没有标记,也没有确定的结果 样 本数据类别 未知,需要根据样 本间 的相似性对样 本集 进 行聚类 非监督学习目标不是告诉计算机怎么做,而是让计算机 自己去学习怎样做 非监督学习(unsupervised learning )无监督学习的方法分为两大类: 基于概率密度函数估计的直接方法 基于样本间相似性度量的简介聚类方法:设法定出不同 类别的核心或初始内核,然后依据样本与核心之间的相 似
Copyright © 2018-2021 Wenke99.com All rights reserved
工信部备案号:浙ICP备20026746号-2
公安局备案号:浙公网安备33038302330469号
本站为C2C交文档易平台,即用户上传的文档直接卖给下载用户,本站只是网络服务中间平台,所有原创文档下载所得归上传人所有,若您发现上传作品侵犯了您的权利,请立刻联系网站客服并提供证据,平台将在3个工作日内予以改正。