시드에 관한 세부 사항을 찾을 수 없습니다. matlab's k-mean. matlab의 k-mean이 data set X 행렬의 하위 집합 인 Xs seeds의 클러스터 할당을 다시 계산하면. 또는 이러한 시드는 초기 중심 위치에만 사용되며 k- 평균 클러스터 할당 단계에서 고려되지 않습니까? 스카 토 바스 (Sugato Basu) 외 semi-super
현재 다음과 같은 문제를 다루고 있습니다. 개체 또는 이벤트와 같은 공통 엔터티의 여러 인스턴스를 설명하는 일련의 특성 벡터 (실제 값)가 있습니다. 이 벡터를 사용하여이 엔티티에 대한 공통 표현 (동일한 벡터 공간 또는 축소 된 엔티티)을 배우고 싶습니다. 가장 간단한 해결책은 산술 평균을 사용하는 것입니다. 그러나 다른 솔루션을 제안 할 수 있는지 궁금
말은 내가 항목 I1이 ..., 에서 나는 그런 방식으로 클러스터링 싶습니다 : 내가 클러스터 많은 여러 번 확률을 실행 한 경우 그 iJ와 iK가 같은 클러스터에서 종료 될 항목이 많습니다. 클러스터 및 클러스터 구성원의 수에 관계없이 클러스터 씨앗 상대적으로 안정적 이를 달성하기 위해 잘 알려진 알고리즘이 있습니까? 는 명확한 설명 : 현실-1에서 I
MATLAB에서 ANFIS를 구현하려고합니다. 입력 데이터의 작동 범위는 0-180이지만 MATLAB은 ANFIS 멤버십 기능 제한을 0-10까지 생성합니다. 0에서 180까지 어떻게 확장합니까? 또 다른 문제는 ANFIS 입력 데이터가 "data = [80 20 40 50 15];" 입력으로 인해 출력 멤버십 함수가 올바르게 나타나지 않습니다. 이 문제를
RBM을 사용하여 딥 오토 엔코더를 구현 중입니다. 네트워크 전개를 위해 디코더 용 인코더의 전치 가중치를 사용해야 함을 이해합니다. 하지만 우리가 디코더에 어떤 편향을 사용해야하는지 잘 모르겠습니다. 누구든지 나를 위해 그것을 정교하거나 pseudocode에 대한 링크를 보내 주시면 고맙습니다.
퍼지 C 평균 클러스터링 알고리즘에서 얻은 클러스터의 시각화를 플로팅하려고합니다. k-means를 통해 얻은 것과 같은 선명한 클러스터를 사용하면 matplotlib를 통해 얻은 것과 같은 정상적인 산점도를 통해 시각화하는 것이 쉽습니다. 오버랩을 시각화하기 위해 퍼지 클러스터를 그릴 수있는 권장 방법이 있습니까? 그렇다면 어떻게?
태그가 달린 상품을 3 가지 가격 카테고리 (저렴한 가격, 일반 가격 및 비싼 가격)로 분류 할 것을 권하고 싶습니다. Mahout의 권장 사항을 달성 할 수 있다는 것을 알고 있지만, 여기에서 나는 그것을 사용하는 방법을 모릅니다. Mahout은 다른 사용자 의견을 기반으로하지만 내가 추천하고 싶은 새 항목은 아직 기본 설정이없는 새로운 항목입니다. Ma