聚类小分子数据集(基于RDKit的Python脚本)
聚类分子（Clustering molecules）聚类是一种有价值的化学信息学技术，用于将大型化合物数据集合细分为单个小组相似化合物。其中一个优点是处理非常大的小分子数据集时特别有用。通常用于分析高通量筛选结果、虚拟筛选或对接研究的分析。基于RDKit的Python脚本用于聚类分子阅读原文查看完成代码：#!/usr/bin/python3def ClusterFps(fps,cutoff=0.....
手把手教你在多种无监督聚类算法实现Python（附代码）
无监督学习是一类用于在数据中寻找模式的机器学习技术。无监督学习算法使用的输入数据都是没有标注过的，这意味着数据只给出了输入变量（自变量 X）而没有给出相应的输出变量（因变量）。在无监督学习中，算法本身将发掘数据中有趣的结构。 人工智能研究的领军人物 Yan Lecun，解释道：无监督学习能够自己进行学习，而不需要被显式地告知他们所做的一切是否正确。这是实现真正的人工智能的关键！ 监督学习 VS.....
用scikit-learn学习K-Means聚类
1. K-Means类概述 在scikit-learn中，包括两个K-Means的算法，一个是传统的K-Means算法，对应的类是KMeans。另一个是基于采样的Mini Batch K-Means算法，对应的类是MiniBatchKMeans。一般来说，使用K-Means的算法调参是比较简单的。 用KMeans类的话，一般要注意的仅仅就是k值的选择，即参数n_clusters；....
用scikit-learn学习BIRCH聚类
1. scikit-learn之BIRCH类 在scikit-learn中，BIRCH类实现了原理篇里讲到的基于特征树CF Tree的聚类。因此要使用BIRCH来聚类，关键是对CF Tree结构参数的处理。 在CF Tree中，几个关键的参数为内部节点的最大CF数B， 叶子节点的最大CF数L， 叶节点每个CF的最大样本半径阈值T。这三个参数定了，CF Tree的...
用scikit-learn学习DBSCAN聚类
1. scikit-learn中的DBSCAN类 在scikit-learn中，DBSCAN算法类为sklearn.cluster.DBSCAN。要熟练的掌握用DBSCAN类来聚类，除了对DBSCAN本身的原理有较深的理解以外，还要对最近邻的思想有一定的理解。集合这两者，就可以玩转DBSCAN了。 2. DBSCAN类重要参数 DBSCAN类的重要参数也分为两类，一类是DBSCA....
用scikit-learn学习谱聚类
1. scikit-learn谱聚类概述 在scikit-learn的类库中，sklearn.cluster.SpectralClustering实现了基于Ncut的谱聚类，没有实现基于RatioCut的切图聚类。同时，对于相似矩阵的建立，也只是实现了基于K邻近法和全连接法的方式，没有基于ϵϵ-邻近法的相似矩阵。最后一步的聚类方法则提供了两种，K-Means算法和 discretize算....
(转) K-Means聚类的Python实践
本文转自： http://python.jobbole.com/87343/ K-Means聚类的Python实践 2017/02/11 · 实践项目 · K-means, 机器学习 分享到：1 原文出处： 搜不狐 K-Means应该是最简单的聚类...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。