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
0 425
下载积分: 1 下载次数: 8

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

  • pu_ju_lei
    说明:  将数据集转换为拉普拉斯矩阵,然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数,全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)
    2019-07-01 16:05:39下载
    积分:1
  • svm
    运用支持向量机对一组超宽带非视距信号识别(Support Vector Machine Signal Identification)
    2017-03-15 09:54:33下载
    积分:1
  • traversal_consist
    遗传算法优化小波神经网络的源程序 1 构造的非线性函数 位于nninit_test m 2 直接用WNN逼近非线性 Wnn_test()
    2018-03-15 23:48:49下载
    积分:1
  • 带阻尼参的pagerank实现
    资源描述实现基本的pagerank算法,可实现传递阻尼参数和迭代次数。源文件从文件中读取
    2022-09-10 21:45:04下载
    积分:1
  • Python for Data Analysis
    说明:  利用python进行数据分析,英文书籍,从pandas库的数据分析工具开始利用高性能工具对数据进行加载、清理、转换、合并以及重塑;利用matpIotlib创建散点图以及静态或交互式的可视化结果;利用pandas的groupby功能对数据集进行切片、切块和汇总操作;处理各种各样的时间序列数据。(Starting from the data analysis tools of pandas database, high performance tools are used to load, clean, transform, merge and remodel data; scatter plots and static or interactive visualization results are created by matpIotlib; data sets are sliced, sliced and aggregated by pandas group by function; and various operations are processed. Time series data.)
    2020-06-16 03:20:01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
  • weka源代码
    weka是一个很优秀的数据挖掘软件,可以把weka作为程序包打入工程中,基本想要的功能很快就能实现
    2023-06-01 10:00:04下载
    积分:1
  • FDP聚类算法
    说明:  一种无监督的聚类算法,基于密度聚类,名称为基于快速搜索与寻找密度峰值的聚类(Clustering by fast search and find of desity peaks)
    2020-02-24 15:43:51下载
    积分:1
  • havz-bhlding
    BP网络VC代码 其实这就是成型的算法,估计好多人写过(BP network VC code is actually a molding algorithm, estimated that a lot of people have written)
    2018-09-06 15:00:59下载
    积分:1
  • 69491728rough-set-codes
    胡清华邻域粗糙集源码,matlab源代码,方便可用(Hu Qinghua neighborhood rough sets source code, matlab source code, easy to use)
    2021-04-23 09:08:48下载
    积分:1
  • 696516资源总数
  • 106554会员总数
  • 12今日下载