无监督学习第28页

《Python数据分析与挖掘实战》学习笔记（三）

看到这里，我这个一窍不通的小胖又开始对有监督学习和无监督学习产生疑问了，于是找了一篇写的不错的博文补了补常识，见https://blog.csdn.net/u010947534/ar

MercyMeng·2022-12-28 01:07

CVPR2022-不对称分辨率图像的立体匹配

CVPR2022-不对称分辨率图像的立体匹配0.摘要研究问题：一对不同分辨率图像的立体匹配；方法：无监督学习、特征度量一致性、自增强优化策略；验证：在各种退化的模拟数据集和自收集的真实数据集上的实验验证了所提方法优于现有解决方案

jiayuzhang128·2022-12-28 00:33

《图解深度学习》学习笔记（四）

第5章自编码器自编码器是一种基于无监督学习的数据维度压缩和特征表达方法，多层自编码器能够更好地进行压缩及特征表达。自编码器有多种变种：降噪自编码器、稀疏自编码器、以及由多层自编码器组成的栈式自编码器。

xiaoyaolangwj·2022-12-28 00:49

Why Does Unsupervised Pre-training Help Deep Learning?

监督学习任务获得的最好的结果均包括无监督学习成分，通常是在无监督预训练阶段。即使这些算法已经应用于训练深度模型，但是对于原始的学习依旧存在许多问题。最主要的问题如下：无监督预训练是怎么工作的？对于深层

louyingxin001·2022-12-27 23:42

机器学习的四种学习方法

文章目录监督学习（SupervisedLearning）无监督学习（UnsupervisedLearning）半监督学习（Semi-supervisedLearning)强化学习（ReinforcementLearning

侬本多情。·2022-12-27 23:33

机器学习课后答案

习题11.无监督学习的两个主要任务是(多选)(BD)。A.回归B.降维C.分类D.聚类2.下列对无监督学习描述错误的是©。

北城半夏346·2022-12-27 22:05

机器学习笔记：第1章机器学习发展史

一、机器学习基本分类按照训练集有无标签分为：监督学习和无监督学习监督学习：分类和回归（预测值为离散值时为分类任务）无监督学习：聚类二、基本术语样本/示例：一个事件或对象的描述，也称一个示例为一个特征向量

菜鸟爱学习@chong·2022-12-27 21:22

【机器学习】3：Density Peaks聚类算法实现（局部密度聚类算法）

自己是在学习无监督学习过程中，无意间见到介绍这种聚类算法的文章，感觉密度峰聚类算法方法很新奇，操作也很简答，于是自己也动手写一下了。

zzZ_CMing·2022-12-27 21:48

【机器学习应用】机器学习之有监督学习

一、什么是有监督学习有监督学习和无监督学习一字之差，关键在于是否有监督，也就是数据是否有标签。

林北不要忍了·2022-12-27 20:37

Toward Fast, Flexible, and Robust Low-Light Image Enhancement

ZeroDCE[7]和RUAS[14]引入了无监督学习。我们的方法（只包含三个大小为3×3的卷积）也属于无监督学习。

Adagrad·2022-12-27 19:39

Toward Fast, Flexible, and Robust Low-Light Image Enhancement(实现快速、灵活和稳健的弱光图像增强)CVPR2022

ZeroDCE和RUAS引入了无监督学习。我们的方法（只包含三个卷积，大小为3×3）也属于无监督学习。如放大区域所示，这些比较的方法出现不正确的曝光、颜色失真

Y蓝田大海·2022-12-27 19:37

机器学习概述

目录1.机器学习起源2.机器学习综述2.1.监督学习2.1.1分类学习2.1.2回归预测2.2无监督学习2.2.1数据聚类2.2.2特征降维2.3一些名词解释1.机器学习起源计算机结构理论的先驱、人工智能之父图灵在

抱抱宝·2022-12-27 17:30

论文精读：Generative Adversarial Imitation Learning（生成对抗模仿学习）

GenerativeAdversarialImitationLearning）1.背景介绍1.1.论文背景这篇论文是2016年由斯坦福大学研究团队提出的，两位作者，一位是JonathanHo，履历十分丰富，主要研究方向是无监督学习和强化学习

Alex_996·2022-12-26 23:58

fit_transform()和transform()的区别

fit(x,y)传两个参数的是有监督学习的算法，fit(x)传一个参数的是无监督学习的算法，比如降维、特征提取、标准化然后解释为什么出来fit_transform（）这个东西，下面是重点：fit和transfo

weixin_43720256·2022-12-26 17:19

2021-08-16

输出的是Yes/no或classx，结构化学习：超越classification，输出是结构化数据，eg:识别、翻译等；这张图要仔细理解一下半监督学习：有标签数据+无标签数据监督学习：有标签数据（有老师教）无监督学习

z7mysun·2022-12-26 15:45

机器学习算法入门与编程实践

第一章机器学习概述1.无监督学习的两个主要任务是（多选）BDA回归B降维C分类D聚类2.下列对无监督学习描述错误的是CA无标签B核心是聚类C不需要降维D具有很好的可解释性3.下列对有监督学习描述错误的是

晁晁我呀最讨厌期末了·2022-12-26 15:03

spark厦大----KMeans聚类算法 -- spark.mllib

聚类属于典型的无监督学习（UnsupervisedLearning）方法。与监督学习

小丁丁_ddxdd·2022-12-26 14:46

Spark MLlib 1.6 -- 聚类

聚类是根据某种相似度量，将‘相似’的样本划分到同一个子类中，所以聚类是一种无监督学习。聚类常用于探索分析，或（和）看作分层监督学习管道上一个环节（在这个管道上，对每个聚类结果再深入进行分类或回归）。

hopeatme·2022-12-26 14:44

【算法】强化学习算法知识点面试准备

强化学习基础部分1.强化学习与监督学习和无监督学习有什么区别?

CZ一星弱火·2022-12-26 08:56

机器学习笔记-第一章绪论

机器学习分类：有无训练数据是否有标记信息监督学习无监督学习-聚类泛化能力：学得模型适用于新样本的能力。归纳：从特殊到一般的泛化过程，即是从具体的事实归结出一般性规律。

haloory·2022-12-26 04:17

实战案例！基于 K-Means 聚类算法的客户精准营销模型

在本文中，我将分享一种目前比较流行的K-Means聚类的无监督学习技术。K-Means的目标是将所有可用的数据分组为彼此不同的不重叠的子组。

2201_75499313·2022-12-26 04:13

NLP-D8-李宏毅机器学习---预训练模型问题&adaptation&explainable AI&RL&learningmap

因为还是很想看无监督学习和强化学习的，最后决定先看课叭。看了姜成翰助教关于预训练模型中遇到问题的讲解。

甄小胖·2022-12-25 21:31

生成对抗式网络 GAN及其衍生CGAN、DCGAN、WGAN、LSGAN、BEGAN等原理介绍、应用介绍及简单Tensorflow实现

生成式对抗网络（GAN，GenerativeAdversarialNetworks）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。

StrongerTang·2022-12-25 19:38

机器学习实战第一章练习题

你能列举出四种常见的无监督学习任务吗？要让一个机器人在各种未知的地形中行走，你会使用什么类型的机器学习算法？要将顾客分成多组，你会使用什么类型的算法？

瑾明达2号·2022-12-25 17:02

CausalVAE： Disentangled Representation Learning via Neural Structural Causal Models笔记

一、以往工作的问题：1、概念变量通常是有联系的（因果关系）；2、无监督学习不能保证学习到的表征是可识别的（2019谷歌）。二、paper提出：1、对齐真实世界的解耦表征(结构因果模型、引入监督信号)

Lily_beta·2022-12-25 17:27

活动报名丨NeurIPS 2022杰出论文作者亲讲：无监督学习的未来，两条路径和统一视角...

12月22日（周四）上午10:30「青源Live第59期丨无监督学习的未来：两条路径和统一视角」将在线举办，斯坦福大学统计系博士后研究员、NeurIPS2022杰出论文作者石佳欣将做报告分享，欢迎预约观看并参与线上交流

智源社区·2022-12-25 16:04

机器学习基础

目录1、机器学习概念1.1简介1.2机器学习算法分类2、监督学习监督学习算法3、无监督学习无监督学习算法：1、机器学习概念1.1简介机器学习能够从无序的数据中提取出有用的信息,那么什么是机器学习呢?

澄清石灰水t·2022-12-25 10:43

机器学习的三大主要任务

监督学习：基于已知类别的训练数据进行学习；无监督学习：基于未知类别的训练数据进行学习；半监督学习：同时使用已知类别和未知类别的训练数据进行学习。

侍伟·2022-12-25 08:09

深度学习之 RBF神经网络

径向基函数：RBF神经网络的训练可以分为两个阶段：第一阶段为无监督学习，从样本数据中选择记忆样本/中心点；可以使用聚类算法，也可以选择随机给定的方式。第二阶段为监督学习，主要计算样本经过RBF转换后，

奔跑的大西吉·2022-12-25 06:21

单目深度估计技术进展综述

阅读分享中国图像学报《单目深度估计技术进展综述》单目深度估计技术进展综述目录深度估计概述基于多幅/单幅图像的深度估计方法监督学习和无监督学习深度估计相关数据集基于深度学习的单目深度估计【单任务】1)绝对深度

MengYa_DreamZ·2022-12-25 04:29

基于matlab的SOM自组织网络仿真

目录1.算法概述2.仿真效果3.matlab仿真源码1.算法概述自组织映射神经网络（Self-OrganizingMap，SOM）是无监督学习方法中一类重要方法，可以用作聚类、高维可视化、数据压缩、特征提取等多种用途

Simuworld·2022-12-25 00:17

人工智能期末复习：聚类（详细笔记）

聚类算法顺序前导聚类（Sequentialleaderclustering）高斯混合聚类（KMM）密度聚类DBSCAN聚类算法层次聚类AGNES聚类算法谱聚类聚类的评价（轮廓系数）练习题聚类的概述聚类的地位：聚类问题是无监督学习任务中研究最多和应用最广的问题模型

北岛寒沫·2022-12-24 17:15

变分自编码器VAE的数学原理

变分自编码器(VAE)是一种应用广泛的无监督学习方法，它的应用包括图像生成、表示学习和降维等。虽然在网络架构上经常与Auto-Encoder联系在一起，但VAE的理论基础和数学公式是截然不同的。

deephub·2022-12-24 17:43

DataWhale组队sklearn学习 -- K-Means

k-means用于无监督学习用于分类思想：我们假设相似的事物之间的距离也会比较近，即：“物以类聚，人以群分”的思想。因此对于给定的样本集，按照样本之间的距离，将样本集划分为k个簇。

小灰机大·2022-12-24 14:10

K-means聚类与PCA【Coursera 斯坦福机器学习】

斯坦福吴恩达机器学习课程谢绝任何不标记出处的转载如有问题请联系作者所有非手画图像（除公式）均来自课程侵删————————————————————————————————————————————————1.无监督学习简介

爱看动漫的李皮皮·2022-12-24 13:58

【学习】无监督学习、PCA、Matrix Factorization、HAC、K-means、分布式表示、NE、LLE、 t-SNE

李宏毅机器学习一、无监督学习clustering1、K-means2、HAC分布式表示线性降维3、PCA弱点应用矩阵分解MatrixFactorization无监督学习:邻居嵌入NEManifoldLearningLLE

Raphael9900·2022-12-24 13:14

聚类kmeans和DBSCAN算法的简单实现

在无监督学习中，我们首先就会接触到kmeans算法，因为既简单，又实用，而且速度也很快。所以今天在这里写一个非常简单的kmeans算法，以帮助我们更快的领悟算法的思想，以及它的变种。

ValentineHP·2022-12-24 12:39

无监督学习之Kmeans算法

Kmeans算法1.算法区别1.1.无监督学习与聚类算法理论的区别1.2.聚类和分类算法的区别2.Kmeans算法原理2.1算法属性含义2.2算法结果预测2.3`Kmeans`有损失函数吗？

荼靡，·2022-12-24 11:54

k近邻和k-means

k-means是聚类算法，是无监督学习算法，有训练步骤。k近邻k近邻（k-neareastneighbor）的直观理解就是：给定一个训

陶将·2022-12-24 11:33

K-means聚类算法

K-means聚类算法聚类在无监督学习中,训练样本的标记信息是未知的,目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律,为进一步的数据分析提供基础，此类学习任务中研究最多、应用最广的是“聚类”

BENULL·2022-12-24 11:01

机器学习面试题——KNN（K Nearest Neighbors）K近邻分类算法

KNearestNeighbors）K近邻分类算法提示：KNN可以说是最简单的分类算法之一，同时，它也是最常用的分类算法之一，注意KNN算法是有监督学习中的分类算法，它看起来和另一个机器学习算法Kmeans有点像（Kmeans是无监督学习算法

冰露可乐·2022-12-24 11:28

机器学习笔记（第一周）——吴恩达ML课程

机器学习笔记（第一周）——吴恩达ML课程文章目录机器学习笔记（第一周）——吴恩达ML课程前言一、机器学习概念1.什么是机器学习2.什么是监督学习2.什么是无监督学习二、单变量线性回归(LinearRegressionwithOneVariable

派大星不憨·2022-12-24 09:40

机器学习分类

根据问题本身的特征来分类，机器学习问题可分为监督学习、无监督学习、半监督学习和强化学习。

qxq_sunshine·2022-12-24 06:13

【聚类学习笔记】

聚类KmeansKMeans算法属于无监督学习，对于数据集D，不需提供数据标记importpandasaspdimportnumpyasnpdata=pd.read_csv(‘data.csv’)data.head

万码小白·2022-12-24 01:53

吴恩达机器学习入门笔记

举例：①【回归】房子大小（特征），预测房价（标签）②【分类】肿瘤大小（特征），预测肿瘤是否良性（标签）2、无监督学习：我们不知道数据集中数据、特征之间的关系，

Umikaze_·2022-12-23 23:03

吴恩达-coursera-机器学习-week1

1.3监督学习1.4无监督学习二、单变量线性回归(LinearRegressionwithOneVariable)2.1模型表示2.2代价函数2.3代价函数的直观理解I2.4代价函数的直观理解II2.5

weixin_30337157·2022-12-23 23:28

基于深度混合核极限学习机的多变量输入时间序列预测

1、理论简介1.1ELMAEELMAE与ELM都是三层网络结构，但是ELM-AE是无监督学习算法,其输出与输入一致。ELMAE的输出权重计算公式如下：1.2多层极限学习机ML-ELMML-E

机器猫001·2022-12-23 23:45

机器学习算法入门与编程实践课后题及答案（唐四新等编著）

目录习题1习题2习题3习题4习题5习题6习题7习题8习题11.无监督学习的两个主要任务是(多选)(BD)。A.回归B.降维C.分类D.聚类2.下列对无监督学习描述错误的是(C)。

小博睡不醒·2022-12-23 22:46

RL - 简单介绍

预测型机器学习1.2决策型机器学习二、强化学习的定义三、强化学习的交互过程四、强化学习系统要素五、强化学习智能体分类一、两种机器学习类型1.1预测型机器学习1有监督学习:基于数据的一部分输入，去预测相关输出2无监督学习

Darren_pty·2022-12-23 18:05

多模态影像匹配及配准文章

1、中文文章（1）多模态图像配准的梯度一致性算子（2）一种无监督学习的多尺度遥感影像配准网络（会议）（3）基于深度特征的多模态遥感影像匹配方法（4）深度卷积特征表达的多模态遥感影像模板匹配方法（5）基于卷积特征的多模态遥感影像匹配研究

终结者之二·2022-12-23 15:33

推荐频道

无监督学习