机器学习-聚类&贝叶斯算法

Python机器学习大满贯系列第2季——聚类&贝叶斯算法

聚类算法和贝叶斯算法是机器学习中常用的模型和算法。聚类算法用于将数据集中的样本划分为不同的组或簇，使得同一组内的样

本相似性较高，不同组之间的样本相似性较低。常见的聚类算法包括K均值和层次聚类。贝叶斯算法则是一种基于贝叶斯定理的概

率推断方法，通过先验知识和观测数据来更新对未知变量的概率分布。贝叶斯算法适用于具有不确定性和随机性的问题，如文本分

类和垃圾邮件过滤。通过学习这些算法，可以更好地理解和应用机器学习在聚类和概率推断方面的能力。