没有合适的资源?快使用搜索试试~ 我知道了~
spherecluster:单位球面的聚类例程
共23个文件
py:11个
png:4个
txt:3个
需积分: 12 2 下载量 19 浏览量
2021-02-03
04:07:48
上传
评论
收藏 896KB ZIP 举报
温馨提示
在scikit-learn中的单元超球面上聚类 演算法 此软件包实现了scikit-learn的Banerjee等人在JMLR 2005 概述的三种算法。 球形K均值(spkmeans) 球形K均值与常规K均值的不同之处在于,它在每个最大化步骤结束时(即归一化质心)将估计的聚类质心投影到单位球体上。 冯·米塞斯·费舍尔分布(movMF)的混合 就像通过均值和方差来参数化高斯分布一样,具有均值方向$\mu$和浓度参数$\kappa$ 。 从vMF分布得出的每个点$x_i$和平均方向$\|\mu\|_2 = 1$生活在单位超球面$\S^{N-1}$ (即$\|x_i\|_2 = 1$ )的表面上$\|\mu\|_2 = 1$ 。 较大的$\kappa$会导致点集中度更高。 如果我们的数据作为一种模式米塞斯费舍尔分布的,我们有一个额外的重量参数$\alpha$在混合物中各分布。 movMF算法通过期望最大化(EM)估计混合参数,使我们能够相应地对数据进行聚类。 软运动MF 估计每个类别的每个示例的实值后验。 从某种意义上说,这使我们可以进行软聚类,因为每个数据点都有聚类的可能性。
资源推荐
资源详情
资源评论
收起资源包目录
spherecluster-master.zip (23个子文件)
spherecluster-master
MANIFEST.in 42B
example-requirements.txt 66B
spherecluster
util.py 2KB
__init__.py 244B
von_mises_fisher_mixture.py 31KB
spherical_kmeans.py 11KB
tests
test_von_mises_fisher_mixture.py 6KB
test_common.py 187B
images
small_mix_2d.png 80KB
small_mix_3d.png 581KB
sphere_w_clusters.png 192KB
document_clustering.png 67KB
requirements.txt 42B
examples
make_sphere_graphic.py 975B
small_mix.py 8KB
document_clustering.py 8KB
small_mix_3d.py 9KB
LICENSE 1KB
setup.cfg 39B
setup.py 767B
README.md 8KB
.gitignore 1KB
dev-requirements.txt 33B
共 23 条
- 1
资源评论
苏鲁定
- 粉丝: 23
- 资源: 4574
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功