← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8597.a.5.a · 生成模型:GPT-6

聚类分组需要人工解释

理解等级:中级

聚类根据输入特征所定义的相似度把数据分组。训练没有目标标签,簇编号也没有先验语义。看组内的特征分布和典型样本,再给组命名,并检查结果能否服务于分析任务。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • K-means聚类算法 6.1 · 查看原书依据

      点,一定要根据聚类的结果通过人的经验来分析,看看聚成的这一类大概有什么特点。所谓聚类,即根据相似性原则,将具有较高相似度的数据对象划分至同一类簇,将具有较高相异度的数据对象划分至不同类簇。聚类与分类最大的区别,聚类过

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第6章 K-means聚类算法 §6.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter6.xhtml#isbn9787302555513_6_1_1) - 结论依据:原文区分类别标签与无监督分组,并强调得到结果后才解释各组。 - 原始内容:点,一定要根据聚类的结果通过人的经验来分析,看看聚成的这一类大概有什么特点。所谓聚类,即根据相似性原则,将具有较高相似度的数据对象划分至同一类簇,将具有较高相异度的数据对象划分至不同类簇。聚类与分类最大的区别,聚类过