机器学习之无监督学习

机器学习之无监督学习_第1张图片

聚类:发掘纵向结构的某种模式信息,某些x属于相同的分布或者类别

特征学习:发掘横向结构的某种模式信息,每一行都可以看成是一种属性或特征

密度估计:发掘底层数据分布,x都是从某个未知分布p(x)采出来的,p(x)是什么,能不能估计出来

聚类

机器学习之无监督学习_第2张图片

样本间距离

机器学习之无监督学习_第3张图片

机器学习之无监督学习_第4张图片

C是指C簇

常见聚类任务

常见聚类方法

机器学习之无监督学习_第5张图片

聚类效果评估

外部指标

机器学习之无监督学习_第6张图片

内部指标

当我们没有办法参考正确的分类,我们怎么评判聚类的好坏?

最核心的思想还是类内相似度高,类间相似度低

机器学习之无监督学习_第7张图片

K均值

层次聚类

无监督特征学习

主成分分析

概率密度估计

非参密度估计

你可能感兴趣的:(机器学习,学习,人工智能)