Preguntas etiquetadas con k-means

Hasta donde yo sé, k-means selecciona los centros iniciales al azar. Como se basan en pura suerte, pueden seleccionarse realmente mal. El algoritmo K-means ++ intenta resolver este problema, extendiendo los centros iniciales de manera uniforme. ¿Los dos algoritmos garantizan los mismos resultados? O es posible que los centroides iniciales …

10 k-means 

Estoy tomando datos ficticios de temperatura vs Ventas de helados y los categoricé usando K Means (n ​​clusters = 2) para distinguir 2 categorías (totalmente ficticias). Ahora estoy haciendo un Análisis de componentes principales en estos datos y mi objetivo es comprender lo que veo. Sé que el objetivo de …

9 pca  interpretation  k-means  dimensionality-reduction 

Me gustaría codificar una agrupación de kmeans en python usando pandas y scikit learn. Para seleccionar la buena k, me gustaría codificar la estadística Gap de Tibshirani y al 2001 ( pdf ). Me gustaría saber si podría usar el resultado de inercia_ de scikit y adaptar la fórmula estadística …

9 clustering  python  k-means  scikit-learn  metric 

Estoy trabajando en algún software que debería determinar ubicaciones del mundo real (por ejemplo, cámaras de velocidad) a partir de varios informes basados ​​en GPS . Un usuario conducirá al informar una ubicación, por lo tanto, los informes son muy inexactos. Para resolver ese problema, tengo que agrupar los informes …

9 k-means  expectation-maximization  point-estimation 

¿Alguien sabe un buen método para determinar si la agrupación utilizando kmeans es incluso apropiada? Es decir, ¿qué pasa si su muestra es realmente homogénea? Sé que algo así como un modelo de mezcla (a través de mclust en R) proporcionará estadísticas de ajuste para el caso de clúster 1: …

9 r  clustering  k-means 

Supongamos que tengo una muestra de frecuencias de 4 eventos posibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 y tengo las probabilidades esperadas de que ocurran mis eventos: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la suma de las …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Según wiki, el criterio de convergencia más utilizado es "la asignación no ha cambiado". Me preguntaba si el ciclismo puede ocurrir si usamos ese criterio de convergencia. Me agradaría si alguien señalara una referencia a un artículo que dé un ejemplo de ciclismo o pruebe que esto es imposible.

9 clustering  algorithms  k-means 

Me pregunto si hay una buena manera de calcular el criterio de agrupamiento basado en la fórmula BIC, para una salida de k-medias en R? Estoy un poco confundido sobre cómo calcular ese BIC para poder compararlo con otros modelos de agrupación. Actualmente estoy usando la implementación del paquete de …

9 r  clustering  k-means  bic 

Aquí se menciona que uno de los métodos para determinar el número óptimo de grupos en un conjunto de datos es el "método del codo". Aquí el porcentaje de varianza se calcula como la relación entre la varianza entre grupos y la varianza total. Me sentí difícil de entender este …

9 clustering  k-means 

Soy bastante nuevo en el reconocimiento de dígitos, y he notado que muchos tutoriales usan la clasificación SVM, por ejemplo: http://hanzratech.in/2015/02/24/handwritten-digit-recognition-using-opencv-sklearn-and-python.html http://scikit-learn.org/stable/auto_examples/classification/plot_digits_classification.html Me gustaría saber si hay algún beneficio (específico del dominio) para esa herramienta, en comparación con, por ejemplo, Redes neuronales de aprendizaje profundo Clasificación basada en k-means Gracias …

8 svm  deep-learning  k-means  pattern-recognition  image-processing 

Mi objetivo es ver que el algoritmo K-means es, de hecho, un algoritmo de maximización de expectativas para mezclas gaussianas en las que todos los componentes tienen covarianza en el límite como .σ2Iσ2I\sigma^2 Ilimσ→0limσ→0\lim_{\sigma \to 0} Supongamos que tenemos un conjunto de datos {x1,…,xN}{x1,…,xN}\{x_1, \dots ,x_N\} de las observaciones de …

8 self-study  k-means  expectation-maximization  gaussian-mixture 

Así que me doy cuenta de que esto se ha preguntado antes: por ejemplo, ¿cuáles son los casos de uso relacionados con el análisis de conglomerados de diferentes métricas de distancia? pero he encontrado que las respuestas son algo contradictorias con lo que se sugiere que debería ser posible en …

8 clustering  k-means  metric 

Recibí la siguiente pregunta como pregunta de prueba para mi examen y simplemente no puedo entender la respuesta. A continuación se muestra un diagrama de dispersión de los datos proyectados en los dos primeros componentes principales. Deseamos examinar si existe alguna estructura de grupo en el conjunto de datos. Para …

8 clustering  k-means 

En los métodos de agrupamiento como K-means , la distancia euclidiana es la métrica a utilizar. Como resultado, solo calculamos los valores medios dentro de cada grupo. Y luego se realizan ajustes en los elementos en función de su distancia a cada valor medio. Me preguntaba por qué la función …

8 normal-distribution  clustering  k-means  unsupervised-learning  gaussian-mixture 

¿Alguien puede decirme los factores que afectan los requisitos de memoria de significa clustering con un poco de explicación?kkk

8 clustering  k-means