摘要: 数学期望 以实验中观查实验结果值的算术平均为例,解释数学期望的物理含义: 设共作了N次独立实验,实验结果值为x,x可能有m种值,即 ,在N次实验中各x值得到的次数分别为 ,则有 次,故可求出x的算术平均值为: 根据大数定理,当 时, 趋于稳定,即趋向某一概率值,故上述可写成: 因为 不可能达到 的, 阅读全文
posted @ 2019-08-26 16:11 小神飞2019 阅读(2359) 评论(0) 推荐(0) 编辑
摘要: 本文链接:https://blog.csdn.net/marywbrown/article/details/62059231 原创文章,转载请注明,谢谢~ 一、背景介绍 Modularity(模块度), 这个概念是2003年一个叫Newman的人提出的。这个人先后发表了很多关于社区划分的论文,包括2 阅读全文
posted @ 2019-08-26 13:48 小神飞2019 阅读(448) 评论(0) 推荐(0) 编辑
摘要: 版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。 本文链接:https://blog.csdn.net/kan2281123066/article/details/73825009 1、介绍 NMI(Normalized Mutual Info 阅读全文
posted @ 2019-08-16 15:52 小神飞2019 阅读(999) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/marywbrown/article/details/62059231 一、背景介绍 Modularity(模块度), 这个概念是2003年一个叫Newman的人提出的。这个人先后发表了很多关于社区划分的论文,包括2002年发表的著名的Girvan-New 阅读全文
posted @ 2019-08-16 15:40 小神飞2019 阅读(2087) 评论(0) 推荐(0) 编辑
摘要: https://www.jianshu.com/p/b5996bf06bd6 15.评价指标 袁一帆 关注 2016.03.05 09:26* 字数 1956 阅读 4065评论 2喜欢 10 1. 分类问题评价指标 1-1. 精确率与召回率 精确率(Precision)指的是模型判为正的所有样本中 阅读全文
posted @ 2019-01-23 15:39 小神飞2019 阅读(814) 评论(0) 推荐(0) 编辑
摘要: 转: https://blog.csdn.net/sinat_26917383/article/details/70577710 1 R语言中的分群质量——轮廓系数因为先前惯用R语言,那么来看看R语言中的分群质量评估,节选自笔记︱多种常见聚类模型以及分群质量评估(聚类注意事项、使用技巧): 没有固定 阅读全文
posted @ 2019-01-23 15:35 小神飞2019 阅读(756) 评论(0) 推荐(0) 编辑
摘要: 转: https://www.cnblogs.com/niniya/p/8784947.html 聚类指的是把集合,分组成多个类,每个类中的对象都是彼此相似的。K-means是聚类中最常用的方法之一,它是基于点与点距离的相似度来计算最佳类别归属。 在使用该方法前,要注意(1)对数据异常值的处理;(2 阅读全文
posted @ 2019-01-23 15:02 小神飞2019 阅读(1120) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/loveliuzz/article/details/78783773 机器学习sklearn19.0聚类算法——Kmeans算法 阅读全文
posted @ 2019-01-19 14:31 小神飞2019 阅读(197) 评论(0) 推荐(0) 编辑
摘要: 作者:魏通 链接:https://www.zhihu.com/question/20473040/answer/102907063 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 阅读全文
posted @ 2019-01-18 16:11 小神飞2019 阅读(1126) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/chixujohnny/article/details/51063617 在PCA中有遇到,在这里记录一下 计算矩阵的特征值个特征向量,下面给出几个示例代码: 在使用前需要单独import一下 >>> from numpy import linalg as 阅读全文
posted @ 2019-01-18 15:43 小神飞2019 阅读(1302) 评论(0) 推荐(0) 编辑