当前位置:   article > 正文

机器学习笔记——无监督学习下的k均值聚类

机器学习笔记——无监督学习下的k均值聚类

k均值聚类算法原理

目标是将样本分类
原理:首先随机选择k何点作为中心,然后计算每一个点到中心的聚类,然后计算到每个中心的距离,选择到中心最短距离的那个中心所在的类进行归类,然后更新中心点,一直重复。

主成分分析分析的原理

主要是实现降为,选择重要的成分

贝叶斯网络

由依赖关系构成的有向图,称为贝叶斯网络。也叫信念网络
在这里插入图片描述
尾对尾
在这里插入图片描述
在这里插入图片描述
头对头
在这里插入图片描述

在这里插入图片描述
头对尾
在这里插入图片描述

在这里插入图片描述
朴素贝叶斯
贝叶斯公式何贝叶斯网络模型的简单运用。只使用条件独立的假设何计数方法,统计变量的先验分布,再有贝叶斯反推参数的后验分布。同时假设每个样本类别y何特征变量x相互独立。

基于朴素贝叶斯 新闻分类任务的实现

在这里插入图片描述

马尔可夫网络

变量和变量之间的关联是双向的

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/正经夜光杯/article/detail/740135
推荐阅读
相关标签
  

闽ICP备14008679号