层次聚类 - 维基百科
层次聚类维基百科,自由的百科全书跳转到导航跳转到搜索在数据挖掘和统计中,层次聚类(也称为层次聚类分析或HCA)是一种聚类分析的方法,旨在建立聚类的层次。层次集群的策略通常分为两种:[1]聚集的:这是一种“自下而上”的方法:每个观察都从其自己的群集开始,并且随着一个群集向上移动,群集对将合并。分开的:这是一种“自上而下”的方法:所有观察都在一个簇中开始,并且随着一个人在层次结构中向下移动,递归执行拆分。通常,合并和拆分以贪婪的方式确定。层次聚类的结果[2]通常以树状图表示。分层聚集聚类(HAC)的
最近的文章

概率图模型 - 维基百科

概率图模型维基百科,自由的百科全书跳到导航跳到搜索在概率论、统计学及机器学习中,概率图模型(GraphicalModel)是用图论方法以表现数个独立随机变量之关联的一种建模法。一个p{\displaystylep}个节点的图中,节点i{\displaystylei}对应一个随机变量,记为Xi{\displaystyleX_{i}}。概率图模型被广泛地应用于贝叶斯统计与机器学习中。目录1有向和无向概率图模型的定义2数据类型及研究课题3参见4参考资料有向和无向概率图模型的定义在一个无向概率图模型(U…

图模型继续阅读
更早的文章

等距特征映射 - 维基百科

等距特征映射维基百科,自由的百科全书跳到导航跳到搜索等距特征映射是一个非线性降维方法,被广泛使用的低维嵌入方法之一。[1]等距特征映射被用来计算准等距的高维数据到低维的嵌入方法。算法通过将每个数据点和临近的数据点连接构成图,用图论中的dijkstra距离来估计流形的测地距离。等距特征映射十分高效,可以广泛的应用到各种来源和维数不同的数据。目录1导言2运算法则3ISOMAP的拓展4可能问题5与其他的方法的关系6参见7参考资料8外部链接导言Isomap是保距映射算法的代表之一,是通过一个带权图引入测…

等距特征映射继续阅读