KMeans算法是MacQueen在1967年提出的，是最簡單與最常見的數據分類方法之一。它做為一種常見數據分析技術在機器學習、數據挖掘、模式識別、圖像分析等領域都有應用。如果從分類角度看，KM...

K-means方法是一種 非監督學習 的算法，它解決的是 聚類問題。

K-Means應該是最簡單的聚類算法之一了吧，理論上很簡單，就是隨即初始化幾個中心點，不斷的把他們周圍的對象聚集起來，然后根據這群對象的重置中心點，不斷的迭代，最終找到最合適的幾個中心點，就算完成了。

圖像分割是圖像處理中的一種方法，圖像分割是指將一幅圖像分解成若干互不相交區域的集合，其實質可以看成是一種像素的聚類過程。通常使用到的圖像分割的方法可以分為：基于邊緣的技術、基于區域的技術

每部電影都有自己的海報，即便是在如今這互聯網時代，電影海報仍是一個強大的廣告形式。每部電影都會根據自身的主題風格設計海報，精致的電影海報可以吸引人們的注意力。那么問題來了，不同風格的電影海報對顏...

k-means與kNN雖然都是以k打頭，但卻是兩類算法——kNN為監督學習中的分類算法，而k-means則是非監督學習中的聚類算法；二者相同之處：均利用近鄰信息來標注類別。

自組織映射神經網絡， 即Self Organizing Maps (SOM)， 可以對數據進行無監督學習聚類。它的思想很簡單，本質上是一種只有輸入層--隱藏層的神經網絡。隱藏層中的一個節點代表一...

聚類分析在各行各業應用十分常見，而顧客細分是其最常見的分析需求，顧客細分總是和聚類分析掛在一起。 顧客細分，關鍵問題是找出顧客的特征，一般可從顧客自然特征和消費行為入手，在大型統計分析工...