列表页

当前位置：首页>算法模型列表

算法类型：
全部回归模型分类模型聚类模型关联规则统计分析
更多

k_means（k均值聚类）模型运算

算法类型：聚类模型发布时间：2019.03.10 浏览量：95

算法描述：
聚类算法是一种典型的无监督学习算法，主要用于将相似的样本自动归到一个类别中。聚类算法与分类算法最大的区别是：聚类算法是无监督的学习算法，而分类算法属于监督的学习算法。在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。
bisecting_k_means（二分k均值聚类）模型运算

算法类型：聚类模型发布时间：2019.03.10 浏览量：86

算法描述：
由于传统的KMeans算法的聚类结果易受到初始聚类中心点选择的影响，因此在传统的KMeans算法的基础上进行算法改进，对初始中心点选取比较严格，各中心点的距离较远，这就避免了初始聚类中心会选到一个类上，一定程度上克服了算法陷入局部最优状态。
latent dirichlet allocation（隐含狄利克雷分布）模型运算

算法类型：聚类模型发布时间：2019.03.10 浏览量：97

算法描述：
隐含狄利克雷分布简称LDA(Latent Dirichlet allocation)，首先由Blei, David M.、吴恩达和Jordan, Michael I于2003年提出，目前在文本挖掘领域包括文本主题识别、文本分类以及文本相似度计算方面都有应用。
gaussian mixture（混合高斯模型）模型运算

算法类型：聚类模型发布时间：2019.03.10 浏览量：84

算法描述：
混合高斯模型（Gaussian Mixture Model，简称GMM）是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。通俗点讲，无论观测数据集如何分布以及呈现何种规律，都可以通过多个单一高斯模型的混合进行拟合。

4条 1

热点算法