資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究哪個SciPy包用於實現聚類？
聚類是最有用的無監督機器學習方法之一。它用於查詢輸入資料樣本之間的關係模式和相似性。找到這些模式後，無監督演算法將具有相似性的資料樣本聚類到組中，如下圖所示：
異常檢測、影像分割、醫學影像、社交網路分析和市場細分是一些常見的聚類應用。K均值和層次聚類是兩種最常見的聚類形式。
為了實現聚類，SciPy 提供了一個聚類包 (scipy.cluster)，該包進一步包含以下兩個模組：
scipy.cluster.vq 模組 - 此 SciPy 模組提供用於 K 均值聚類和向量量化的函式。它還透過將 K 均值模型與程式碼本中的質心進行比較來生成 K 均值模型的程式碼本。下表解釋了 scipy.cluster.vq 模組中的例程及其描述：
| 例程 | 描述 |
|---|---|
| scipy.cluster.vq.whiten(obs, check_finite=True ) | 此例程對特徵上的觀察組進行歸一化。 |
| scipy.cluster.vq.vq(obs, code_book,check_finite=True) | 此例程將程式碼本中的程式碼分配給觀察值。 |
| scipy.cluster.vq.kmeans(obs, k_or_guess, iter=20, thresh=1e-05, check_finite=True) | 此例程對一組觀察向量執行 K 均值演算法，形成 K 個聚類。 |
| scipy.cluster.vq.kmeans2(data,k,iter=10, thresh=1e-05, minit='random', missing='warn', check_finite=True) | 此例程使用 K 均值演算法將一組觀察值分類到 K 個聚類中。 |
scipy.cluster.hierarchy 模組 - 如名稱所示，此 SciPy 模組提供用於層次聚類及其型別的函式，例如凝聚聚類。它具有各種例程，我們可以用它來：
計算層次結構上的統計資料
將層次聚類切割成扁平聚類。
實現凝聚聚類。
視覺化扁平聚類。
檢查兩個扁平聚類分配的同構性。
繪製聚類。
更新於：2021年11月23日
141 次瀏覽
廣告