機器學習 一維聚類 最大類計算

% 一維陣列聚類，找出規模最大的類

clc;clear all;close all;
% 待聚類的一維資料 
data_1 = 20*ones(15,1) + randn(15,1);
data_2 = 5*ones(5,1) + randn(5,1);
data_3 = 15*ones(5,1) + randn(5,1);
data_4 = 50*ones(2,1) + randn(2,1);
data_5 = 40*ones(3,1) + randn(3,1);
data = [data_1' data_2' data_3' data_4' data_5'];
% 隨機化陣列分布
index = randperm(length(data));
data = data(index);
figure(1);bar(data);
% 對陣列進行排序
data_sort = sort(data);
% 記錄後者對前者的增長比例 在5%以下反比即衰減基本一致 要求不嚴格可以混用
data_ratio = zeros(1,length(data_sort))
data_ratio(1) = 1;% 第乙個元素自比為1
for i = 2:1:length(data_sort)
data_ratio(i) = data_sort(i)./data_sort(i-1);
end% 設定限制比例
r_limit = 1.05;
% 記錄最大類元素位置
				
機器學習（聚類 一 ）
演算法起源於分類學，物以類聚，人以群分。人們在以前都是靠經驗來分類，但是當東西一多，就很難再進行靠經驗和知識進行分類而且分類的不准，所以利用數學進行定量的分類。資料探勘，我們可以通過聚類來分別出不同的人群，概括出每一類消費者的消費模式。1 劃分法 k means演算法 k medoids演算法 cl...
				
機器學習  分類 回歸 聚類 降維
一 分類 樸素貝葉斯 貝葉斯分類法是基於貝葉斯公式 先驗概率和後驗概率的關係 的統計學分類方法。它通過 乙個給定的元組屬於乙個特定類的概率，來進行分類。logistic回歸 logistic回歸得出 值後，根據 值大小進行分類。通常是二分類 決策樹基於樹的結構來進行決策 支援向量機svm suppo...
				
機器學習 聚類
聚類的過程是將樣本分類的過程，聚類屬於無監督學習，資料中沒有label，訓練之前並不知道樣本屬於哪乙個類別，需要借鑑經驗值。kmeans聚類 模型假設 資料的分布是k個 sigma 相同的高斯分布的，每個分布裡有 n 1,n 2,n k 個樣本，其均值分別是 mu 1,mu 2,mu k 那麼每個樣...