cwzhit

摘要： matlab的k均值聚类分析，用kmeans命令，能输出类别、距离和、距离等数据。结合silhouette plot，能优化k参数选择。 [IDX,C,sumd,D] = kmeans(X,k) X是样本，k是类别数目，IDX是与下标对应的类别号，C是每个类别的中心，sumd是距离的和，D是每个点到 阅读全文

摘要： knnsearch Find k-nearest neighbors using dataexpand all in page Syntax IDX = knnsearch(X,Y) [IDX,D] = knnsearch(X,Y) [IDX,D] = knnsearch(X,Y,'Name',Va 阅读全文

摘要： 参考（http://blog.sina.com.cn/s/blog_8bdd25f80101d93o.html），最后几行修改为 %k近邻，取k=7，交叉验证法如何确定k的值？？？？ %选取7个最小值，用最简单的比较法试 M=[]; for i=1:210 M=[M distance(x,y,xne 阅读全文

摘要： 抽空阅读了《Stock Market Forecasting Using Machine Learning Algorithms》文章，有以下一些问题值得记录一下： （1）方法的原理是，利用不同地区市场、不同类别市场（如黄金、股票）的相关性以及已经发生的走势情况，预测NASDAQ走势。分析表明效果不 阅读全文

摘要： 在一个实例中，有近60个特征，上千组数据样本。考虑到数据受噪声污染可能比较严重，希望能首先筛除部分不合理数据，也就是仅采用高度集中区域的数据。那么，问题就是，如何找到数据高度集中区域。找到数据密集区，数据之间的规律性更强，更利于接下来的识别。 首先考虑到的就是抽样，或者美其名曰蒙特卡洛抽样。这是一种 阅读全文