2回答
FInding K-平均距离
、、、、
我的想法是应用k- mean，用数据点和聚类质心之间的距离创建一个新列，并用平均距离创建一个新列，如果距离大于平均距离，我就删除整个行。但看起来我写的代码不起作用。
浏览 31提问于2020-03-02得票数 0
回答已采纳
1回答
我正在学习一个教程，其中“kmeans”算法是整个示例的主要部分。“行”列表作为要群集的数据传递。Pearson函数提供了第二个参数，一个相关系数，k=3是簇数。从kmeans函数返回的“最佳匹配”是与属于每个集群的行中的元素对应的分组/聚集索引值的列表。因为我需要做一个散点图，我需要他们的价值。如何返回值而不是索引的值？sum1=sum(v1)print(sum1)sum1S
浏览 3提问于2016-01-29得票数 0
回答已采纳
1回答
如何将曲线与kmeans聚类？
、、、、
我想聚集一些曲线，其中包含每日的点击率。数据集是单击时间序列中的比率数据。y2 = [time1:0.10,time2:0.22,time3:0.344,...]
浏览 2提问于2013-04-02得票数 0
我将集群的内部相似性计算为每个文档与集群的质心相似度的平均值。如果我算上的话，平均每对夫妇都是基于小数目的。我数得对吗？它是基于我的内部相似性值平均从0.2 (5个集群和2000年文档)到0.35 (20个集群和2000年文档)。这可能是由计算机科学中广泛存在的文献造成的。内部从0.3到0.7。结果可能是这样吗？
浏览 3提问于2013-05-03得票数 1
2回答
我试图在python中实现Kmeans算法，它将使用cosine distance代替欧氏距离作为距离度量。有人知道怎么做吗？
距离</em
浏览 4提问于2017-09-25得票数 20
1回答
团簇形状和大小
、、
例如，我已经读到K-均值聚类算法无法找到非凸形状的聚类，其中它只能成功地找到球形或凸型的聚类。同时，它也试图找到同样大小的星团。这与距离相似函数有关吗？
浏览 2提问于2014-07-19得票数 1
回答已采纳
我试图根据距离对空间数据执行聚类，但限制了集群的大小。我在网上找到了这篇文章()，它可以将一个小的日期列表分成三个集群。
浏览 0提问于2015-04-14得票数 1
1回答
还有其他的python库可以为我提供某种方式来输入，而不是我自己的函数来定义距离吗？或者我想我可以自己重新实现算法，但是我宁愿保留sci(因为它们提供了我想要使用的功能，比如并行处理)。
浏览 0提问于2019-03-03得票数 0
回答已采纳
我在寻找类似K-方法的东西，把立体多边形划分成区域。K-表示簇的离散点。但是我想把实体多边形的点聚在一起(也就是分区)。📷所以问题是：是否有任何实现(最好是在javascript中)？
浏览 0提问于2019-07-29得票数 3
回答已采纳
我正在使用函数kmeans，从K-均值聚类。我能把(1)自定义距离度量函数和(2)自定义平均函数放到kmeans函数中吗？
浏览 2提问于2016-09-23得票数 0
回答已采纳
1回答
K-平均距离
、、、
我试着用K-均值来找离群点。我使用了最优k的肘形法，发现它是k=3.我想定义一个列，距离= 2*std到质心的距离，并且可以删除具有负值的行。
浏览 0提问于2020-03-17得票数 0
K-质心聚类函数以数值数据矩阵作为输入.然而，我这里只有距离矩阵，我认为k-质心算法确实适用于距离矩阵。具体而言，我需要向这个kcca()函数发送一个距离矩阵。但从书上看，它包含了数据矩阵。任务3| 0 0 0 1 0 1 1 0..对于R来说，它太大了，所以我感兴趣的是行聚类，所以我在Java中计算行距离，并生成一个<em
浏览 2提问于2013-07-29得票数 0
回答已采纳
1回答
我试图运行下面的代码行，但我一直收到以下错误：# Make KMeans model from Longitude & Latitude and get clusters
kme
浏览 2提问于2022-10-13得票数 0
嗨，我修改了我的K均值聚类算法，用哈弗斯公式代替欧几里得距离来表示经度和纬度。我修改了核心文件夹中的欧几里德距离文件。这就是我所做的。公共静态双距离(双lat1、双lon1、双lat2、双lon2) {双dLat = Math.toRadians(lat2 - lat1)；双dLon = Math.toRadians(lon2 - lon1
浏览 6提问于2014-02-25得票数 1
回答已采纳
K-均值算法的目标/损失函数是最小化平方距离之和，用数学形式写成如下：$$J(X，Z) = min\ \sum_{z\in群集}\sum_{x \in数据}\sum_{x\ in数据}\x-z=2$
如果我们有不同的距离度量也就是说，传统的基于期望最大化的K-方法是行不通的，对吗？因为在每一次迭代中，我们通常通过计算平均值来修正质心。然而，对于欧几里得以外的一些度量，平均值可能不是中心的合法表示。
浏览 0提问于2018-02-27得票数 0
回答已采纳
1回答
我被要求计算每个点到质心的平均距离。已经提供了数据集和集群数量，这似乎是一个非常直截了当的问题(考虑到k-意思集群的作用)，但我似乎找不到一个可行的解决方案。据我所读，最简单的方法是将点到每个质心的距离放在一个numpy数组中，并计算平均值。这就是我在下面所做的。
浏览 0提问于2019-07-11得票数 2
1回答
这里提到的步骤是：
扩展weka.core.EuclideanDistance并覆盖距离(例如，首先，实例第二，PerformanceStats统计)方法。
浏览 3提问于2014-03-28得票数 2
我使用mahout KMeansDriver构建集群，并希望使用Spearman作为DistanceMeasure。我在网上找不到这方面的例子。
浏览 1提问于2014-06-12得票数 0
回答已采纳
1回答
我曾尝试学习一些聚类算法，如DBSCAN、K-均值、模糊C-均值等，但在这种情况下我看不到它们的适当性，因为“归属”需要被发现！
欢迎任何建议或意见。我知道很难对这个问题给出确切的解决办法。
浏览 4提问于2013-09-17得票数 0
回答已采纳
2回答
我希望创建(或选择)一个平均原型示例，以便能够在新示例中识别它们与平均原型之间的距离。第二个问题将是选择一个阈值来确定什么被认为是近的还是远的。第一个想法(不考虑离群点)：用进化算法寻找一个与所有其他示例的平均距离最小的典型示例。现在我想确定什么时候一个新的例子离原型(平均)很近、很远或很远。一种可能的方法是设置两个阈值距离，以
浏览 0提问于2016-02-26得票数 4
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号