%matplotlib inline import matplotlib.pyplot as plt import numpy as np 1. K-均值算法介绍 from sklearn.datasets import make_blobs # 产生聚类数据集 X, y = make_blobs(n_samples=200, # 样本数 n_features=2, # 特征数，决定了x的维度
论文名称：Poly-YOLO: higher speed, more precise detection and instance segmentation for YOLOv3 论文地址：https://arxiv.org/abs/2005.13243v2 本文很有意思，实用性很强，是本人比较推荐的论文。因为各大算法评价性能都是在比赛数据上测试的，但是在实际项目数据上可能就不太好
1）. 扑克牌手动演练k均值聚类过程：>30张牌，3类 2）. *自主编写K-means算法 ，以鸢尾花花瓣长度数据做聚类，并用散点图显示。（加分题） 3）. 用sklearn.cluster.KMeans，鸢尾花花瓣长度数据做聚类，并用散点图显示. import numpy as np from sklearn.datasets import load_iris #导入数据集iris i
原文链接：http://tecdat.cn/?p=7237 在本文中，我们将探讨应用聚类算法（例如k均值和期望最大化）来确定集群的最佳数量时所遇到的问题之一。从数据集本身来看，确定集群数量的最佳值的问题通常不是很清楚。在本文中，我们将介绍几种技术，可用于帮助确定给定数据集的最佳k值。 我们将在当
