sklearn preprocessing
2.
from sklearn.cluster import DBSCAN
y_pred = DBSCAN().fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()
调参:调参增加类别，有两个方向都是可以的，一个是继续减少eps(默认0.5)，另一个是增加min_samples(默认5)
3.
from sklearn.cluster import KMeans
y_pred = KMeans(n_clusters=3, random_state=9).fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()
4.评估
from sklearn import metrics
metrics.calinski_harabaz_score(X, y_pred)
@[toc] 机器学习的目标 机器学习分类 监督学习（supervised learning） 无监督学习（uns...
TensorFlow从零开始学 [toc] 机器学习基础 人工智能 机器学习分类有监督学习无监督学习半监督学习强化...
机器学习 1、什么是机器学习？ 机器学习算法分类又分为监督学习和无监督学习 监督学习定义：输入数据是由输入特征值和...
机器学习的算法主要分为监督学习和无监督学习监督学习。 监督学习(supervised learning)，利用样本...
1.1 机器学习分类 监督学习（Supervised learning） 无监督学习（Unsupervised l...
机器学习包括有监督学习(supervised learning)，无监督学习(unsupervised learn...
机器学习的分类 监督学习（Supervised Learning）无监督学习（Unsupervised Learn...
机器学习初识 1). 监督学习(supervised learning)，无监督学习(unsupervised l...
sklearn preprocessing 2. from sklearn.cluster import DBSC...
机器学习大致可以分为监督学习（Supervised）和无监督学习（Unsupervised） 监督学习回答的是“对...
本文标题：无监督机器学习
本文链接：https://www.haomeiwen.com/subject/twbkbftx.html
网友评论