9分之2减16分之7乘以9分之2等于多少（用简便算法计算）（2/9）-(7/16)*(2/9)=(2/9)*（1-7/16）=(2/9)*(9/16)=1/8
通过哪种算法可将一组数据相减后，得到的差值按三个区间，比如大于2，大于1小于2，和小于1进行分组？ 没太明白的你意思.我猜测你的问题可以这么理解.有360个点，每两个点之间有1条边，每条边的权值就是你的差值.你的目的就是要对360。条边按照权值进行分类.用不着线程算法吧，直接写程序实现即可.如果非要找算法，参考一下图的算法，或者k-means聚类算法也有类似的思想.
K-means的算法缺点 ① 在 K-means 算法中 K 是事先给定的，这个 K 值的选定是非常难以估计的。很多时候，事先并不知道给定的数据集应该分成多少个类别才最合适。这也是 K-means 算法的一个不足。有的算法是通过类的自动合并和分裂，得到较为合理的类型数目 K，例如 ISODATA 算法。关于 K-means 算法中聚类数目K 值的确定在文献中，是根据方差分析理论，应用混合 F统计量来确定最佳分类数，并应用了模糊划分熵来验证最佳分类数的正确性。在文献中，使用了一种结合全协方差矩阵的 RPCL 算法，并逐步删除那些只包含少量训练数据的类。而文献中使用的是一种称为次胜者受罚的竞争学习规则，来自动决定类的适当数目。它的思想是：对每个输入而言，不仅竞争获胜单元的权值被修正以适应输入值，而且对次胜单元采用惩罚的方法使之远离输入值。② 在 K-means 算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化。这个初始聚类中心的选择对聚类结果有较大的影响，一旦初始值选择的不好，可能无法得到有效的聚类结果，这也成为 K-means算法的一个主要问题。对于该问题的解决，许多算法采用遗传算法（GA），例如文献 中采用遗传算法（GA）进行初始化，以内部聚类准则作为。
已知相似度矩阵，如何用k-means算法进行聚类？ 有n*n的对称矩阵，该矩阵表示n个节点之间的相似度关系，怎么通过k-means算法对该矩阵进行聚类，以得到对…
15分之2加1点6减1点4减15分之1的差请用简便算法
数据挖掘中常用的数据清洗方法有哪些？ 这个问题太大了。大到解决这个问题需要签一个千万元级别的项目。从两个角度上看，数据清洗一是为了解决数据质量问题，二是让数据更适合做挖掘。不同的目的下分不同的情况，。
