Tag Archives: 聚类

R语言有限混合模型(FMM,finite mixture model)及其EM算法聚类分析间歇泉喷发时间

By tecdat5月 27, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术EM, finite mixture model, FMM, 数据, 有限混合模型, 聚类, 间歇泉

既包括传统的方法，如单变量和多变量正态混合的EM算法，也包括反映有限混合模型的一些最新研究的方法。许多算法都是EM算法或基于类似EM的思想，因此本文包括有限混合模型的EM算法的概述。

R语言基于温度对城市层次聚类、kmean聚类、PCA主成分分析和Voronoi图可视化

By tecdat3月 11, 2021可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术kmean, kmean聚类, PCA, R语言, Voronoi, Voronoi图, 主成分分析, 可视化, 城市, 层次聚类, 温度, 聚类

最近我们被客户要求撰写关于聚类技术的研究报告。为了说明层次聚类技术和k-均值，我使用了了城市温度数据集，其中包括几个城市的月平均气温。

R语言中的SOM(自组织映射神经网络)对NBA球员聚类分析

By tecdat1月 7, 2021可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术nba, R语言, SOM, 球员, 神经网络, 聚类, 自组织映射, 自组织映射神经网络

自组织映射 （SOM）是一种工具，通过生成二维表示来可视化高维数据中的模式，在高维结构中显示有意义的模式。 &

Read More

R语言复杂网络分析：聚类（社区检测）和可视化

By tecdat12月 25, 2020可视化和设计, 数理统计, 机器学习, 计算机科学与技术R语言, 可视化, 复杂网络, 社区检测, 聚类

为了用R来处理网络数据，我们使用婚礼数据集。

R语言使用自组织映射神经网络（SOM）进行客户细分

By tecdat12月 24, 2020可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, SOM, 可视化, 客户细分, 无监督, 聚类, 自组织映射神经网络

自组织映射神经网络（SOM）是一种无监督的数据可视化技术，可用于可视化低维（通常为2维）表示形式的高维数据集。

SAS用K-Means 聚类最优k值的选取和分析

By 拓端tecdat11月 16, 2020大数据部落, 数理统计, 机器学习, 计算机科学与技术kmeans, SAS, 聚类

“聚类是将数据集分为几组的过程，其中包括相似的数据点”。聚类是一种无监督的机器学习，在您拥有未标记的数据时使用。

R语言使用最优聚类簇数k-medoids聚类进行客户细分

By tecdat12月 27, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术K-medoids, R语言, 最优聚类簇数, 聚类

k-medoids是另一种聚类算法，可用于在数据集中查找分组。

R语言确定聚类的最佳簇数：3种聚类优化方法

By tecdat9月 28, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 最佳簇数, 聚类, 聚类优化

确定数据集中最佳的簇数是分区（划分）聚类（例如k均值聚类）中的一个基本问题，它要求用户指定要生成的簇数k。

R语言最优聚类数目k改进kmean聚类算法

By tecdat9月 27, 2019大数据部落, 数理统计, 计算机科学与技术kmean, R语言, 最优聚类数目, 聚类

R语言最优聚类数目k改进kmean聚类算法

Cluster Validity – Optimal Cluster Number in Matlab

By tecdat9月 25, 2019大数据部落Cluster, Cluster Validity, matlab, Optimal, 聚类

Cluster Validity – Optimal Cluster Number in Matlab

R语言使用K-Means聚类可视化WiFi访问

By tecdat9月 15, 2019大数据部落, 数理统计, 计算机科学与技术k-means, R语言, WiFi, 可视化, 聚类, 访问

R语言使用K-Means聚类可视化WiFi访问

Python Monte Carlo K-Means聚类实战研究

By tecdat9月 15, 2019大数据部落, 数理统计, 经济, 计算机科学与技术k-means, Monte Carlo, 聚类

Python Monte Carlo K-Means聚类实战研究

R语言中不同类型的聚类方法比较

By tecdat9月 9, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 比较, 聚类

聚类方法用于识别从营销，生物医学和地理空间等领域收集的多变量数据集中的相似对象。

R语言使用混合模型GMM 进行聚类

By tecdat8月 23, 2019大数据部落, 数理统计, 计算机科学与技术GMM, R语言, 混合模型, 聚类, 高斯混合模型

混合模型是k个分量分布的混合，它们共同形成混合分布

基于模型的聚类和R语言中的高斯混合模型

By tecdat8月 23, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术GMM, R语言, 聚类, 高斯, 高斯混合模型

四种最常见的聚类方法模型是层次聚类，k均值聚类，基于模型的聚类和基于密度的聚类

R语言聚类算法的应用实例

By tecdat8月 8, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, 实例, 应用, 算法, 聚类

R语言聚类算法的应用实例

R语言对用电负荷时间序列数据进行K-medoids聚类建模和广义加性/相加模型（GAM）回归

By tecdat8月 1, 2019大数据部落, 数理统计, 机械工程及自动化, 电气工程及自动化, 计算机科学与技术GAM, K-medoids, R语言, 回归, 广义加性/相加模型, 时间序列, 用电负荷, 聚类

通过对用电负荷进行聚类，我们可以提取典型负荷曲线，提高随后的用电量预测的准确性。

用R语言进行网站评论文本挖掘聚类

By tecdat7月 31, 2019R语言辅导, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术R语言, 文本挖掘, 网站评论, 聚类

对于非结构化的网站中文评论信息，r的中文词频包可能是用来挖掘其潜在信息的好工具，要分析文本内容，最常见的分析方法是提取文本中的词语，并统计频率。

R语言k-Shape时间序列聚类方法对股票价格时间序列聚类

By tecdat7月 28, 2019大数据部落, 数理统计, 经济, 计算机科学与技术, 软件工程k-Shape, R语言, 时间序列, 时间序列聚类, 聚类, 股票, 股票价格

这次，我们将使用k-Shape时间序列聚类方法检查与我们有业务关系的公司的股票收益率的时间序列。

银行信用数据SOM神经网络聚类实现

By tecdat7月 26, 2019信息管理与信息系统, 大数据部落, 数理统计, 机器学习, 计算机科学与技术R语言, SOM, 神经网络, 聚类, 银行信用数据

银行信用数据SOM神经网络聚类实现

R语言鸢尾花iris数据集的层次聚类分析

By tecdat7月 25, 2019可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术Iris, iris数据集, R语言, 层次聚类, 聚类, 鸢尾花

本文在iris数据集上展示了如何使用R软件来建立Hierarchical Cluster Analysis层次聚类分析（更好的可视化和灵敏度分析）。

r语言聚类分析：k-means和层次聚类

By tecdat7月 24, 2019大数据部落, 数理统计, 机器学习, 计算机科学与技术k-means, R语言, 层次聚类, 聚类, 聚类分析

聚类分析算法很多，比较经典的有k-means和层次聚类法。

对网站评论进行文本挖掘聚类

By tecdat1月 17, 2017大数据部落, 数理统计, 计算机科学与技术文本挖掘, 网站评论, 聚类

对于非结构化的网站中文评论信息，r的中文词频包可能是用来挖掘其潜在信息的好工具，要分析文本内容，最常见的分析方法是提取文本中的词语，并统计频率。

• 1
• 2