科技老丁哥

现在的社会工业化大生产离不开流水线作业，有了流水线，我们可以轻松的制造出成千上万相同的产品，而且所需要的价格成本极大地下降，所以说，流水线操作，使得工业化生产水平极大的提高。 那么有没有可能将这种流水线的处理思想转移到机器学习领域了？我们可不可以将数据清洗-数据规整-数据处理-…

客户细分是市场营销成功的前提，我们从市场中获取的数据一般都没有标记，要想对这些市场数据进行客户细分，将客户划分簇群，这也是一种典型的无监督学习问题。 本项目拟用各种不同的聚类算法来建立客户细分模型，并比较这些聚类算法在这一问题上的优虐。 1. 准备数据集 本项目案例所使用到的原…

有一位朋友很擅长炒股，听说其资产已经达到了两百多万，我听后对其敬佩得五体投地，遂虚心向其请教炒股之秘诀，他听后，点了一根烟，深深地吸了一口，然后慢悠悠地告诉我，秘诀其实很简单，你先准备一千万，炒着炒着就能炒到两百万。。。我听后狂喷鼻血。。。 下面我们用机器学习的方法来研究一下股…

在前面的文章【火炉炼AI】机器学习024-无监督学习模型的性能评估--轮廓系数中，我们自己定义了一个通用型函数，用于为 K-means算法寻找最佳的K值，这个函数虽然有效，但是却不高效，这是一个非常耗时的过程。而DBSCAN算法却是一个快速的，高效的自动评估集群数量的算法。 1…

前面我们学习过监督学习模型的性能评估，由于数据集有标记，所以我们可以将模型预测值和真实的标记做比较，计算两者之间的差异，从而来评估监督学习模型的好坏。 但是，对于无监督学习模型，由于没有标记数据，我们该怎么样评估一个模型的好坏了？显然，此时我们不能采用和监督学习模型一样的评估方…

聚类的算法有很多种，前面我们讲解了k-means算法和均值漂移算法，此处我们继续讲解层次聚类算法。 k-means是一种分散性聚类算法，以空间中K个点为中心进行聚类，将最靠近他们的样本收归门下。k-means的优势在于简单快速，对于大数据集，该算法仍然可以保持可伸缩性和高效率，…

无监督学习算法有很多种，前面已经讲解过了K-means聚类算法，并用该算法对图片进行矢量量化压缩。下面我们来学习第二种无监督学习算法----均值漂移算法。 1. 均值漂移算法简介 均值漂移算法是一种基于密度梯度上升的非参数方法，它经常被应用在图像识别中的目标跟踪，数据聚类，分类…

前一篇文章我们讲解了K-means算法的定义方法，并用K-means对数据集进行了简单的聚类分析。此处我们讲解使用k-means对图片进行矢量量化操作。 1. 矢量量化简介 矢量量化（Vector Quantization, VQ）是一种非常重要的信号压缩方法，在图片处理，语音…

前面的机器学习类文章（编号从010-019）都是关于监督学习，但是从本篇文章开始，炼丹老顽童要开始讲解无监督学习方面，无监督学习是指处理的数据没有任何形式的标记，我们没有对训练数据集进行实现的类别划分，故而相当于抹黑处理，要让机器学习自己找出样本所属的类别，那么机器学习通过什么…