在机器学习中，如何衡量距离？ 1：嗯，比如黎曼度量，在流形上定义不同的黎曼度量就可以让流形上每点的gauss曲率发生变化，ric.
matlab和什么语言类似？ matlab挺有意思，想顺水推舟再学点其他语言，不知道有谁比较类似的。ps 题主以前学C时要死要活毫无兴趣…
你对大数据有哪些认识？ \"大数据百\"是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。从数据的类别上看，\"大数据\"指的是无法使用传统流程或工具处理或分析的信息。它定义了那些超出正常处理范围和大小、迫使用户采用非度传统处理方法的数据集。亚马逊网络服务（AWS）、大数据科学家JohnRauser提到一个简单的定义：大数据就是任何超过了一台计算机处理能力的庞大数据量。研发小组对大数据的定义：\"大数据是最大的宣传技术、是最时髦的技术，当这种现象出现时，定义就变得很混乱。Kelly说：\"大数据是可能不包含所有的信息，但我觉得大部分是正确的。对大数据的一部分认知在于，回它是如此之大，分析它需要多个工作负载，这是AWS的定义。当你的技术达到极限时，也就是数据的极限。大数据不是关于如何定义，最重要的是如何使用。最大的挑战在于哪些技术能更好的使用数据以及大数据的应用情况如何。这与传统的数据库相比，开源的大答数据分析工具的如Hadoop的崛起，这些非结构化的数据服务的价值在哪里。
k-means聚类算法怎么提取图像特征 一，2113K-Means聚类算法原理k-means 算法接受参数 k然后5261将事先输入的n个数据对象划4102分为k个聚类以便使得所获得1653的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。假设要把样本集分为c个类别，算法描述如下：（1）适当选择c个类的初始中心；（2）在第k次迭代中，对任意一个样本，求其到c个中心的距离，将该样本归到距离最短的中心所在的类；（3）利用均值等方法更新该类的中心值；（4）对于所有的c个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。该算法的最大优势在于简洁和快速。算法的关键在于初始中心的选择和距离公式。
你对大数据用户画像了解多少？哪些行业急需用户画像？ 无论是提供商品还是服务，用户画像都是数据挖掘工作的重要一环。一个准确和完整的用户画像甚至可以说是许…
