k-means

0열

1답변

Vertica에서 기계 학습 도구를 테스트하고 있습니다. 나는 단지 KMEANS가 데이터를 클러스터로 나누기 때문에 어떻게 작동하는지 이해합니다. 그러나 나는 새로운 데이터에서 APPLY_KMEANS이 어떻게 작동하는지 이해하지 못합니다. 분류 방법과 같은 역할을하는 것처럼 보입니다. 기존 클러스터의 새 데이터를 분류하기 때문입니다. 그래서 어떤 알고리즘이

-1열

1답변

의미 론적 분석 후 클러스터링하기

트윗 세트를 묶고 싶습니다. 나는 이미 트윗을 가져 와서 정리하고, Naive Bayes 분류기를 적용하여 긍정적이고 부정적인 두 파일로 나누었습니다. 마지막으로, 나는 각 트윗 사이의 유사성을 검색하려면 다음을 수행 한 : 이제이가, 내가 개까지 추가 할 수 있습니다 다음 단계를 생각하고 다른 각 문장 상대의 유사성을 측정하도록되어 with open("p

0열

1답변

TypeError : 'map'유형의 객체에 len()이 없습니다. Python3

Pempark를 사용하여 KMeans 알고리즘을 구현하려고하는데 이는 while 루프의 마지막 행에서 위의 오류를 발생시킵니다. 루프 외부에서 잘 작동하지만 루프를 생성 한 후에이 오류가 발생했습니다 어떻게 수정합니까? 당신이하지 않는 len객체 map의 (발전기 유형) 얻으려고 노력하고 있기 때문에 # Find K Means of Loudacre devi

1열

3답변

자신의 kmeans 알고리즘을 R로 작성

R에 처음으로 kmeans 알고리즘을 작성하려고합니다.이 필드가 새로 생겼으므로 명백하지 않은 것으로 판단하지 마십시오. 알고리즘은 두 개의 벡터 x, y을 가져 와서 클러스터 중심에 대한 각 데이터 포인트의 거리를 계산하고 중심에서 데이터 포인트까지 최소 거리로 클러스터를 할당합니다. 알고리즘은 할당에 변경이 없으므로 클러스터 센터에 변경이 없으면 중지됩

0열

1답변

K- 색 클러스터링을 의미합니다. 마스크 된 numpy 배열이있는 배경 픽셀을 생략합니다.

K- 평균 클러스터링을 사용하여 여러 이미지의 3 가지 주요 색을 찾으려고합니다. 내가 직면하고있는 문제는 K-means가 이미지 배경을 클러스터링한다는 것입니다. Python 2.7 및 OpenCV 3을 사용하고 있습니다. 모든 이미지의 RGB 배경색은 150,150,150입니다. K-means가 배경색을 클러스터링하는 것을 피하기 위해 원본 이미지 배열

0열

1답변

MATLAB로 3 차원 행렬 맞추기

하이퍼 스펙트럼 이미지를 나타내는 3 차원 행렬이 있습니다. 2 차원은 다른 픽셀을 나타내고 1 차원은 다른 스펙트럼 밴드를 나타냅니다. 이 이미지를 다음과 같이 나누어야합니다. 1. 이미지를 픽셀 단위로 2 개의 세그먼트로 나눕니다. 2. 두 세그먼트 각각에 대한 평균 스펙트럼 값을 계산합니다. 3. 두 세그먼트의 모든 픽셀을 상기 평균과 같게 설정합니다

2열

1답변

주어진 색상을 헥사 색상 코드의 주어진 벡터 geom_tile에 할당

86x86 매트릭스의 ggplot + geom_tile()에 올바른 16 진수 색상 코드를 지정하는 데 도움이 필요합니다. 이것은 상관 행렬이며, 나는 kmeans 클러스터링에 의해 생성 된 값과 클래스에 따라 색상을 지정하려고합니다. 여섯 가지 클러스터/색상이 있습니다. I는 각 소자에 대응하는 육각 컬러 코드를 포함 flavors.color라는 별도 (

0열

1답변

코사인 유사성은 K- 평균 알고리즘과 어떻게 사용됩니까? VSM에서의 벡터의 상이한 길이를 갖는 세 개의 텍스트 문서 벡터의

항목 용어 TF-IDF 같습니다가 가 Q1 : K-의해 사용 방법 코사인 유사성은 다음 클러스터가 어떻게 구성되어 않는이. Q2 : TF-IDF 알 고를 사용할 때. 그것의 부정적인 가치를 생산 내 계산에 어떤 문제가 있습니까? 설명을 위해 벡터 길이가 다른 VSM (tf.idf) 벡터를 사용하십시오. Doc1 (0.134636045, -0.00028192

0열

1답변

IDL의 K 평균 클러스터링

저는 IDL 초보자이며 IDL에서 클러스터링에 대한 도움을 얻을 수 있는지 궁금합니다. Harris Geospatial에서이 방법을 설명하는 좋은 예가 발견되었지만 K- 평균 분석을 수행하기 위해 자체 데이터 (ASCII)에서 클러스터링을 실행하는 방법에 대해 혼란 스럽습니다. n = 50 c1 = RANDOMN(seed, 3, n) c1[0:1,*]

0열

1답변

클러스터링을 통한 고객 세분화

저는 datascience를 처음 사용하기 때문에 k- 평균 (또는 모든) 클러스터링 알고리즘에 대해 이론적 인 질문이 있습니다. 이 순간 나는 행동 데이터를 기반으로 고객 세분화를 시도하고 있습니다. 고객이 판매 제품, 을 구입 비율 - - 시간 당 제품의 평균 수 - 제품 당 평균 가격 - 여러 사람 - 상점 에서 제품을 구입하는 주파수 : 우리는 같은