登录
首页 » matlab » 聚类指标小结

聚类指标小结

于 2020-06-19 发布 文件大小:877KB
0 206
下载积分: 1 下载次数: 7

代码说明:

  聚类评价指标的各种说明,非常详细,请仔细阅读。(Cluster evaluation indicators of various descriptions, very detailed.)

文件列表:

聚类指标小结\EvaluationCalculate\references.txt, 497 , 2016-11-11
聚类指标小结\EvaluationCalculate\self_Evaluation.m, 2981 , 2016-11-11
聚类指标小结\EvaluationCalculate\test_Evaluation.m, 294 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering.htm, 32222 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\contents.png, 278 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\footnote.png, 190 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1191.png, 230 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1393.png, 9255 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1394.png, 1402 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1395.png, 674 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1396.png, 264 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1397.png, 250 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1398.png, 1446 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1399.png, 205 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1400.png, 446 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1401.png, 1642 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1402.png, 1479 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1403.png, 406 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1404.png, 381 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1405.png, 508 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1406.png, 410 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1407.png, 937 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1408.png, 852 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1409.png, 451 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1410.png, 362 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1411.png, 349 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1412.png, 750 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1413.png, 411 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1414.png, 389 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1415.png, 543 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1416.png, 926 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1417.png, 347 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1418.png, 1536 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1419.png, 154 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1420.png, 1729 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1421.png, 556 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1422.png, 284 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1423.png, 266 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1424.png, 379 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1425.png, 407 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1426.png, 392 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1427.png, 399 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1428.png, 248 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1429.png, 1123 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1430.png, 1694 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1431.png, 554 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1432.png, 656 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1433.png, 460 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1434.png, 498 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img1435.png, 216 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img313.png, 128 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img317.png, 251 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img354.png, 216 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img521.png, 302 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img527.png, 330 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img529.png, 329 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img62.png, 258 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\img855.png, 578 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\index.png, 246 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\irbook.htm, 315 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\next.png, 245 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\prev.png, 279 , 2016-11-11
聚类指标小结\[1] Evaluation of clustering_files\up.png, 211 , 2016-11-11
聚类指标小结\[2] 聚类评价指标 Rand Index,RI,Recall,Precision,F1 - lixuemei504的专栏 - 博客频道 - CSDN.NET.htm, 42996 , 2016-11-11
聚类指标小结\[3] 聚类的一些评价手段 - luoleicn的专栏 - 博客频道 - CSDN.NET.htm, 46837 , 2016-11-11
聚类指标小结\[4] 聚类结果的评估指标及其JAVA实现 - 一个人漫步走 - 博客频道 - CSDN.NET.htm, 64456 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客.htm, 200939 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\0.gif, 693 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\0.jpg, 22385 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\005uWm1Tjw8f25vhkymvnj313k13kq6q.jpg, 1441 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\0_002.jpg, 13359 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\1.jpg, 2656 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\100.jpg, 3513 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\100_002.jpg, 5543 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\11.swf, 2465 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\117X12px.gif, 1160 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\145686.jpg, 4870 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\1_002.jpg, 1475 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\20130808110619562.jpg, 3253 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\20130808110942546.jpg, 3412 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\20131207154559265.jpg, 2828 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\276304.jpg, 2283 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\276624.jpg, 1634 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\3ffda9c9gw1etm69r812dj205k05kdg5.jpg, 1839 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\50.jpg, 2158 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\50_002.jpg, 1384 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\50_003.jpg, 1686 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\50_004.jpg, 1930 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\63392b03jw8eqrx5uilwlj20v90v7whp.jpg, 1429 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\a.htm, 108 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\alipay.png, 22874 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\bootstrap.css, 99554 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\bootstrap.js, 27828 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\btn-index.png, 3283 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\core.php, 2640 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\default.css, 2352 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\embed.css, 54355 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\embed.js, 63708 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\h.js, 22225 , 2016-11-11
聚类指标小结\[5] 推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure) _ 书影博客_files\highlight.js, 30174 , 2016-11-11

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • emd program-matlab
    说明:  EMD经验模态分解算法程序,适合非线性,非平稳时间序列的处理(EMD empirical mode decomposition algorithm program)
    2019-01-14 20:43:57下载
    积分:1
  • speech noise reduction
    使用python实现谱减法对语音的降噪功能,代码包括语音的读取、降噪、输出保存(Spectral subtraction speech noise reduction python code)
    2018-06-27 17:22:04下载
    积分:1
  • 高效用项集算法--HMINE算法
    数据挖掘算法,高效用项集挖掘算法,加权频发项集挖掘算法,HMINE算法,源码中有详细注释
    2022-02-04 07:22:38下载
    积分:1
  • 机器学习与R语言(machine_learning)
    机器学习与R语言(machine_learning)源代码下载,内含R语言实现机器学习算法和应用案例(Machine learning and R language (machine_learning) source code download, containing R language to implement machine learning algorithms and application cases)
    2020-09-26 17:17:47下载
    积分:1
  • classification_toolbox
    说明:  多种基本分类训练,包括支持向量机,偏最小二乘,主成分分析和线性分析(A variety of basic classification training, including support vector machine, partial least squares, principal component analysis and linear analysis)
    2020-03-10 11:52:41下载
    积分:1
  • python 实现随机森林
    应用背景 数据   :两个月之内 40000个客户的15个数据字段   包含客户的 地          理位置,职业,职级,年收入,。。。。。。    购买过得产品 目的:对新客户进行推荐一个适合该客户的产品, 对老客户推荐可能再购买的产品 数据处理    数据清洗:   describe 每个特征统计分析       方差     -分析缺陷特征和波动性                 空值赋值为  “-1 “              -  保证模型的可使用    数据归一化:eg:邮编 相似度不高 根据一线二线….进行划分  – 特征的重要性 关键技术特征选择    随机森林:  判断特征的重要性 :思考为何重要性高     AHP    :  迭代设置每个特征的权重 模型选择   :根据数据量数量,是否有标签,分类or回归选取 关于模型选择时候我想用协同过滤  但是不知道关于特征的协同过滤是怎么执行的   是每个特征都有一个评分构成评价矩阵么?
    2022-02-25 17:28:51下载
    积分:1
  • KNN01
    说明:  用来作分类识别的KNN算法,非常好用非常好用(A very useful nearest neighbor algorithm)
    2020-08-03 19:28:41下载
    积分:1
  • 频繁项集算法--FPGROWTH算法
    数据挖掘经典算法,频繁项集挖掘经典算法,FPGROWTH算法,源码中有详细说明
    2023-06-08 16:30:03下载
    积分:1
  • OTL_AIJ_code
    基于matlab实现的一个在线迁移学习算法OTL,(Based on matlab to achieve an online migration learning algorithm OTL,)
    2020-10-28 21:29:57下载
    积分:1
  • Ecalt算法
    Eclat算法是一种深度优先算法,采用垂直数据表示形式,在概念格理论的基础上利用基于前缀的等价关系将搜索空间(概念格)划分为较小的子空间(子概念格)。Eclat算法采用方法二计算支持度。对候选k项集进行支持度计算时,不需再次扫描数据库,仅在一次扫描数据库后得到每个1项集的支持度,而候选k项集的支持度就是在对k-1项集进行交集操作后得到的该k项集Tidset中元素的个数。本算法利用diffset数据格式实现。
    2022-03-02 17:06:13下载
    积分:1
  • 696524资源总数
  • 103978会员总数
  • 64今日下载