如果您想了解有关 RNN 有趣应用的更多信息,则必须阅读 Andrej Karpathy [发布的博客](http://karpathy.github.io/2015/05/21/rnn-effectiveness/)。 他训练了网络,以莎士比亚的风格撰写论文(用 Karpathy 的话说:*几乎不能从实际的莎士比亚*中识别出这些样本),撰写有关虚构主题的现实 Wikipedia 文章,撰写关于愚蠢和不现实问题的现实定理证明( 用 Karpathy 的话:*更多的幻觉代数几何*),并写出现实的 Linux 代码片段(用 Karpathy 的话:t *,他首先建模逐个字符地列举 GNU 许可证,其中包括一些示例,然后生成 一些宏,然后深入研究代码*)。
如果您想了解有关 RNN 有趣应用的更多信息,则必须阅读 Andrej Karpathy [发布的博客](http://karpathy.github.io/2015/05/21/rnn-effectiveness/)。 他训练了网络,以莎士比亚的风格撰写论文(用 Karpathy 的话说:*几乎*不能从实际的莎士比亚中识别出这些样本),撰写有关虚构主题的现实 Wikipedia 文章,撰写关于愚蠢和不现实问题的现实定理证明(用 Karpathy 的话:*更多的幻觉代数几何*),并写出现实的 Linux 代码片段(用 Karpathy 的话:*他首先建模逐个字符地列举 GNU 许可证,其中包括一些示例,然后生成一些宏,然后深入研究代码*)。
K 均值聚类非常流行,因为它快速,简单且健壮。 它还有一些缺点:最大的缺点是用户必须指定群集的数量。 其次,该算法不能保证全局最优。 第三,它对异常值非常敏感。
K 均值聚类非常流行,因为它快速,简单且健壮。 它还有一些缺点:最大的缺点是用户必须指定簇的数量。 其次,该算法不能保证全局最优。 第三,它对异常值非常敏感。
# 也可以看看
*Kanungo,Tapas 等人。 *一种有效的 k 均值聚类算法:分析和实现*。 IEEE 关于模式分析和机器智能的交易 24.7(2002):881-892。
*`Kanungo, Tapas, et al. An efficient k-means clustering algorithm: Analysis and implementation. IEEE transactions on pattern analysis and machine intelligence 24.7 (2002): 881-892.`
*奥尔特加,华金·佩雷斯(JoaquínPérez)等人。 *关于 k 均值算法的研究问题:使用 matlab* 的实验性试验。 CEUR 研讨会论文集:语义网和新技术。
*`Ortega, Joaquín Pérez, et al. Research issues on k-means algorithm: An experimental trial using matlab. CEUR Workshop Proceedings: Semantic Web and New Technologies.`
*陈可 *关于度量和欧几里得空间中 k 均值和 k 均值聚类的核心集及其应用*。 SIAM 计算学报 39.3(2009):923-947。
*`Chen, Ke. On coresets for k-median and k-means clustering in metric and euclidean spaces and their applications. SIAM Journal on Computing 39.3 (2009): 923-947.`