分層聚類：
1）：對於若干輸入物件，開始時候每個物件都是一類；
2）：你可以想象一類就是一塊磁鐵，每次只允許一對磁鐵吸在一起，要求是這對磁鐵的距離所有距離裡最近的，兩個磁鐵就變成一塊大磁鐵，他們歸為一類（然後更新下這個大磁鐵的中心，以便以後算距離），這樣總類數就會減少一類；
3）：直到聚到某個數目，比如最終我要聚到k類；或者設定乙個闕值，當最小距離大於這個闕值時停止聚類。
在實際的文字聚類中，我們可以用到分層聚類的方法，聚類屬性選擇每個文字的詞頻 在吳軍的數學之美上有介紹，聚類距離選擇余弦距離。
路網最優路徑演算法之一分層搜尋
前面介紹了關於雙向及啟發式的搜尋，它們均可以實現了效率的倍增。但是應用到長距離 例如武漢 杭州大於500公里 的搜尋時，平均效率存在100ms級甚至s級的耗時，顯然這樣乙個面對廣大使用者群的網際網路服務引擎效率是不可接受的，那麼有沒有優化的方向可以實現數量級的提公升？但人類對效率與正確的極致追求也是...
機器學習（一）K means聚類演算法
k means聚類演算法 k means演算法以k為引數，把n個物件分成k個簇，使簇內具有較高的相似度，而簇間的相似度較低。使用sklearn.cluster.kmeans可以呼叫k means演算法進行聚類 其處理過程如下 1.隨機選擇k個點作為初始的聚類中心 2.剩下的點，根據其與聚類中心的距離...
白話機器學習演算法 第一章 讀書筆記
處理資料 選擇演算法 演算法調優 建立模型 比較 確定 略原始資料集可能包含許多變數。往乙個演算法中放入過多變數，可能導致計算速度變慢，或者因干擾過多而產生錯誤的 結果。因此，需要從眾多變數中篩選出那些與研究目標密切相關的變數，這個過程就是變數選擇。一開始，可以通過簡單的圖來研究變數間的相關性。有時...