spark机器学习算法研究和源码分析
首页
白天
夜间
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
编辑文档
聚类
来源 1
浏览
1311
扫码
打印
2018-04-25 21:59:57
聚类
k-means算法
二分k-means算法
上一篇:
下一篇:
发布点评
介绍
特征抽取和转换
特征转换
Binarizer
Bucketizer
Discrete Cosine Transform (DCT)
ElementwiseProduct(元素智能乘积)
IndexToString
MaxAbsScaler
MinMaxScaler
n-gram
OneHotEncoder
PolynomialExpansion
QuantileDiscretizer
SQLTransformer
StandardScaler(特征缩放)
StopWordsRemover
StringIndexer
Tokenizer
VectorAssembler
VectorIndexer
特征抽取
CountVectorizer
Word2Vec
特征选择
ChiSqSelector(卡方选择器)
RFormula
分类和回归
保序回归
决策树
朴素贝叶斯
生存回归
线性模型
线性回归
广义线性回归
SVMs(支持向量机)
逻辑回归
组合树
梯度提升树
随机森林
基本统计
correlations(相关性系数)
hypothesis testing(假设检验)
Kernel density estimation(核密度估计)
random data generation(随机数生成)
tratified sampling(分层取样)
协同过滤
数据类型
最优化算法
迭代再加权最小二乘
拟牛顿法
带权最小二乘
NNLS(非负最小二乘)
聚类
二分k-means算法
GMM(高斯混合模型)
k-means算法
LDA(隐式狄利克雷分布)
PIC(快速迭代聚类)
流式k-means算法
降维
EVD(特征值分解)
PCA(主成分分析)
暂无相关搜索结果!
本文档使用
全库网
构建
×
思维导图备注
×
文章二维码
手机扫一扫,轻松掌上读
×
文档下载
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档
×
书签列表
×
阅读记录
阅读进度:
0.00%
(
0/0
)
重置阅读进度