机器学习 — 发现群组

聚类

属于无监督学习

目的：找到数据集中的不同群组

分级聚类

主要思想是：

1. 在数据集中找出两个最相似的节点

2. 根据这两个节点生成一个新的聚类节点，这个节点的数据为两个子节点的数据的平均值,

3. 将两个子节点从数据集中去除，将新的聚类节点加入数据

4. 回到1，直至数据集中只剩一个节点

K-means聚类

使用分级聚类的时候，因为得计算所有数据的两两之间的距离，形成新的聚类之后还得重新计算，所以在数据集较大的时候计算量会很大。
除了分级聚类之外还有一种K-均值聚类方法，主要思想为：

1. 随机创建（给定）k个点作为中心点

2. 遍历数据集中每个点，找到距离最近的中心点，将该点划分在该中心点下

3. 遍历并划分完成后，将各个中心点移到自己组下所有点的中心位置

4. 回到2，直到移动之后的结果（不变）和上次一样

结果展示：使用树状图来展现聚类之后的结果

import feedparserimport re# testerror_list = []# 返回一个RSS订阅源的标题和包含单词计数情况的字典def get_word_counts(url):
    # 解析订阅源
    doc = feedparser.parse(url)    
    # 单词计数
    wc = {}    
    # 遍历所有文章条目，统计所有单词出现次数
    for entry in doc.entries:        if 'summary' in entry:
            summary = entry.summary        else:
            summary = entry.description        
        # 提取出所有单词
        words = get_words(entry.title + ' ' + summary)        # 统计所有单词出现的次数
        for word in words:
 &nb
        
		

        		
网友评论
     		
				

			
			
			
		
		
		
    	
    	
        	

        		
更多精彩分享
        		

        			
        		
        			
	        		
	        		学习是年轻人改变自己的最好方式