注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. MachineLearning-master-python.zip

  2. 属于网络下载资源，感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码，以及具体的应用实例，包含： Keras使用进阶。介绍了怎么保存训练好的CNN模型，怎么将CNN用作特征提取，怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras，用经典的Mnist分类问题对该框架的使用进行说明，训练一个CNN，总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo，人脸数

  3. 所属分类：专业指导

    • 发布日期：2016-07-04
    • 文件大小：1048576
    • 提供者：qq_33042687

  1. kMeans.rar python实现版本

  2. 基于python的 kMeans算法实现，可以实现任意维度的数据的聚类功能

  3. 所属分类：机器学习

    • 发布日期：2017-10-30
    • 文件大小：9437184
    • 提供者：u014539580

  1. 基于phash图像特征的图像聚类-kmeans-Python实现

  2. 基于图像phash特征通过KMeans聚类算法实现图像聚类，通过熵来进行对结果的评估，顺便用PCA降维特征来可视化聚类结果

  3. 所属分类：讲义

    • 发布日期：2018-05-29
    • 文件大小：166723584
    • 提供者：weixin_36913190

  1. 基于sklearn模块的KMeans聚类算法实现“整图分割”【源程序】【Python】

  2. 基于Python3.7实现整图分割功能，调用sklearn模块的KMeans聚类算法。包括源程序、测试图片和结果图片。

  3. 所属分类：Python

    • 发布日期：2019-03-29
    • 文件大小：402432
    • 提供者：qq_23017325

  1. Kmeans.py Kmeans的Python实现

  2. K-Means算法是典型的基于距离的聚类算法，其中k代表类簇个数，means代表类簇内数据对象的均值（这种均值是一种对类簇中心的描述），因此，K-Means算法又称为k-均值算法。K-Means算法是一种基于划分的聚类算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类簇。数据对象间距离的计算有很多种，k-means算法通常采用欧氏距离来计算数据对象间的距离。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。

  3. 所属分类：讲义

    • 发布日期：2020-01-07
    • 文件大小：10240
    • 提供者：weixin_44412076

  1. Kmeans.docx K均值聚类算法实验报告

  2. 1.理解掌握K-means聚类算法的基本原理； 2.学会用python实现K-means算法 K-Means算法是典型的基于距离的聚类算法，其中k代表类簇个数，means代表类簇内数据对象的均值（这种均值是一种对类簇中心的描述），因此，K-Means算法又称为k-均值算法。K-Means算法是一种基于划分的聚类算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类簇。数据对象间距离的计算有很多种，k-means算法通常采用欧氏距离来计

  3. 所属分类：讲义

    • 发布日期：2020-01-07
    • 文件大小：878592
    • 提供者：weixin_44412076

  1. 聚类算法Python实现（KMeans、DBSCAN）

  2. python语言实现的两种常用聚类算法，包括基于原型的KMeans算法以及基于密度的DBSCAN算法

  3. 所属分类：机器学习

    • 发布日期：2020-11-24
    • 文件大小：2048
    • 提供者：qq_43116030

  1. pyclustertend：一个评估集群趋势的python软件包-源码

  2. pyclustertend pyclustertend是专门研究集群趋势的python软件包。 聚类趋势包括评估聚类算法是否与数据集相关。 当前已实现了三种用于评估聚类趋势的方法，另一种基于通过KMeans估计器获得的度量的方法： 霍普金斯统计 增值税 增值税 基于度量的方法（剪影，calinksi，davies bouldin） 安装方式 pip install pyclustertend 用法： 霍普金斯范例： >> > from sklearn

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：157696
    • 提供者：weixin_42160425

  1. 基于Python——Kmeans聚类算法的实现

  2. 1、概述 本篇博文为数据挖掘算法系列的第一篇。现在对于Kmeans算法进行简单的介绍，Kmeans算法是属于无监督的学习的算法，并且是最基本、最简单的一种基于距离的聚类算法。 下面简单说一下Kmeans算法的步骤： 选随机选取K的簇中心（注意这个K是自己选择的） 计算每个数据点离这K个簇中心的距离，然后将这个点划分到距离最小的簇中 重新计算簇中心，即将每个簇的所有数据点相加求均值，将这个均值作为对应簇的新簇中心。 重复2、3步，直到满足了你设置的停止算法迭代的条件 注意：停止算法迭代的条件一般有

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：145408
    • 提供者：weixin_38543950