文件名称：kmeans-ML:K均值聚类算法的数学表示
文件大小：3.23MB
文件格式：ZIP
更新时间：2024-04-17 00:10:46
JupyterNotebook
K均值聚类算法 关于K均值聚类算法的数学表示。 这是由Thomas Grubb 教授的UCSD MATH 157数学软件入门课程（WI'21）的最终研究项目。 本演示文稿探讨了我们如何： 定义分类和聚类 探索聚类在机器学习中的应用 了解聚类的步骤 定义K均值聚类 实现K-means算法以对数据进行聚类（Scikit-learn） 找到最佳的K值 它还包括以下示例： 著名的虹膜数据集上的K均值 图像色彩压缩的K均值 用于市场客户细分的K-means 使用的软件包：NumPy，Pandas，Scikit-learn，Jupyter Notebook 请打开kmeans.ipnyb文件，或阅读此kmeans.ipnyb的k-means-machine-learning.pdf文章。
【文件预览】：
kmeans-ML-main
----geisel.jpg(71KB)
----.gitattributes(66B)
----loyalty-satisfaction.csv(252B)
----classifyType.png(117KB)
----k-means-machine-learning.pdf(1.71MB)
----Iris.csv(5KB)
----choosingK.png(30KB)
----kmeansAlgorithm.png(62KB)
----README.md(900B)
----kmeans.ipynb(1.64MB)
----clusterIntro.png(58KB)
----classifySeeds.png(108KB)