正在加载中...

算法目录

按类目、下载状态和价格筛选全部算法。

分类筛选

No.122

KMeans-K-均值聚类

用于无监督聚类与样本分组,采用K-均值聚类发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
No.121

Isomap-Isomap

用于降维与低维表示,采用Isomap发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
No.120

ISODATA-ISODATA

用于无监督聚类与样本分组,采用ISODATA发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
No.119

Hierarchical-层次聚类

用于无监督聚类与样本分组,采用层次聚类发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
No.118

HDBSCAN-HDBSCAN

用于无监督聚类与样本分组,采用HDBSCAN发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
No.117

GMM-高斯混合模型

用于无监督聚类与样本分组,采用高斯混合模型发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
No.116

FCM-模糊 C 均值

用于无监督聚类与样本分组,采用模糊 C 均值发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
No.115

DBSCAN-密度聚类

用于无监督聚类与样本分组,采用密度聚类发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
No.114

BIRCH-BIRCH

用于无监督聚类与样本分组,采用BIRCH发现数据结构、压缩特征或辅助可视化,适合没有明确目标变量的探索性分析;结果受参数设置和数据标准化方式影响。

更新:2026-07-29¥10.00
当前第 11 页,共 23 页,共 204 个算法