无监督学习第3页

机器学习_无监督学习之聚类

文章目录介绍机器学习下的分类K均值算法K值的选取:手肘法用聚类辅助理解营销数据贴近项目实战介绍机器学习下的分类以下介绍无监督学习之聚类聚类是最常见的无监督学习算法。人有归纳和总结的能力，机器也有。

you_are_my_sunshine*·2024-02-03 10:35

机器学习_无监督学习之降维

文章目录介绍PCA算法通过PCA算法进行图像特征采样1.问题定义:给手语数字数据集降维2.导入数据并显示部分数据3.进行降维模型的拟合介绍降维是把高维的数据降到低维的空间或平面上进行处理，也就是让特征数量减少，同时保留特征中的主要信息，从而简化数据集的空间结构，更易于可视化。PCA算法最常见的降维算法是主成分分析(PrincipalComponentAnalysis，PCA)，它是通过正交变换将可

you_are_my_sunshine*·2024-02-03 10:35

数据聚类：一种有效的数据分析技术

数据聚类作为一种无监督学习方法，可以帮助我们发现数据中的潜在模式和结构，从而更好地理解数据。本文将介绍数据聚类的基本概念、常用算法、常用方法、注意事项和应用场景。

正儿八经的数字经·2024-02-03 08:58

机器学习入门-----sklearn

机器学习基础了解概念机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来定义：从数据中自动分析获得模型，并利用模型对特征数据【数据集：特征值+目标值构成】进行预测算法数据集的目标值是类别的话叫做分类问题；目标值是连续的数值的话叫做回归问题；统称监督学习；另一类是无监督学习

辣椒酱.·2024-02-03 07:30

机器学习-线性回归【手撕】

决策树，随机森林，支持向量机的分类器等分类算法的预测标签是分类变量，多以{0，1}来表示，而无监督学习算法比如PCA，KMeans的目标根本不是求解出标签，注意加以区别。

alstonlou·2024-02-03 07:23

机器学习知识体系总结

机器学习体系概括监督学习（SupervisedLearning）十种监督学习方法统计学习方法：模型+策略+学习方法模型策略学习算法无监督学习（UnsupervisedLearning）半监督学习参考所有的知识

qq_36661243·2024-02-03 07:22

[AIGC] 讲解机器学习中的 K-均值聚类算法及其优缺点。

K-均值聚类（K-meansclustering）是一种常用的无监督学习算法，用于将数据集划分成K个不重叠的簇(cluster)。

程序员三木·2024-02-03 06:54

降维(Dimensionality Reduction)

一、动机一：数据压缩这节我将开始谈论第二种类型的无监督学习问题，称为降维。

时间邮递员·2024-02-02 16:39

scikit-learn

什么是监督学习和无监督学习？监督学习：有输入和预期输出的学习；无监督学习：由真实(groundtruth)找到最好的假设(hypothesis)—预期输出不明确的学习方式。分类和回归的不同？

JerryYang105·2024-02-02 06:26

机器学习和模型训练的浅谈

机器学习涵盖了多种算法和技术，如监督学习、无监督学习、强化学习等。简单来说，机器学习关注的是如何从数据中“学习”知识或模式，以便进行预测或决策。而模型训练则是机器学习中的一个具体步骤，它涉及到使用已

MarkHD·2024-02-02 03:17

详解谱聚类算法理论基础

一、谱聚类宏观把握1、聚类目标1.1、聚类：首先我们知道聚类属于机器学习中的无监督学习，我们用作训练的数据是不带标

This_chao·2024-02-01 13:46

聚类算法理论

目录原理与用途常见的聚类方式聚类中需要注意的问题：常见算法以及应用k-均值聚类k-均值聚类过程该算法的特点算法参数介绍聚类分析的应用案例层次聚类层次聚类的过程算法特点参数介绍层次聚类的应用小案例特征聚类原理与用途聚类是一种无监督学习算法

是鱼儿啊～·2024-02-01 13:15

第九章　聚类　Clustering

第九章聚类(UnsupervisedLearning)无监督学习:训练样本的标记信息是未知的，通过对无标记数据的训练来找出数据内部所存在的规律以及性质．为进一步的数据分析打下基础１．知识点聚类过程中会自动的形成簇结构

GeekDengshuo·2024-02-01 13:45

聚类(Clustering)理论

一、无监督学习介绍在这小节中，我将开始介绍聚类算法，这是我们学习的第一个非监督学习算法，我们将要让计算机学习无标签数据而不是此前的标签数据。那么什么是非监督学习呢？

时间邮递员·2024-02-01 13:14

【深度学习：机器学习模型】如何构建您的第一个机器学习模型

【深度学习：机器学习模型】如何构建您的第一个机器学习模型第1步：将您的机器学习项目置于情境中第2步：探索数据并选择机器学习算法的类型监督学习无监督学习强化学习第3步：数据收集第4步：选择模型评估方法维护保留验证集

jcfszxc·2024-02-01 11:59

人工智能与机器学习——开启智能时代的里程碑

写在前面前言人工智能与机器学习的概述监督学习、无监督学习和强化学习的基本原理监督学习：无监督学习：强化学习：机器学习的算法和方法常见的机器学习算法和方法线性回归：决策树：支持向量机：神经网络：人工智能与机器学习的应用领域人工智能与机器学习的未来发展结论

洁洁！·2024-02-01 01:32

谈一谈深度学习与机器学习

机器学习包括多种方法：除了深度学习，机器学习还包括传统的监督学习、无监督学习、强化学习等方法，这些方法可以使用各种不同的算法和技术。优缺

流浪字节π·2024-01-31 09:07

机器学习——绪论总结

算法使用数据得到模型的过程即称为学习，或训练流程：根据输入数据，通过算法得到预测模型，对目标进行预测模型类别：分为有监督学习和无监督学习，其中有监督学习主要有分类和回归，无监督学习有如聚类等。

带带琪宝·2024-01-31 07:31

信息检索与数据挖掘 | （十二）聚类

文章目录聚类KMeans层次聚类层次聚类概述dendrogram-树状图linkages-衡量两个类之间的距离Lance-Williams算法K-meansVS层次聚类DBSCAN聚类定义：聚类是一种无监督学习

啦啦右一·2024-01-30 22:52

机器学习中的 K-均值聚类算法及其优缺点

机器学习中的K-均值聚类算法及其优缺点K-均值聚类（K-meansclustering）是一种常用的无监督学习算法，用于将数据集划分为K个不相交的簇。

数据科学与艺术的贺公子·2024-01-30 11:42

西瓜书学习笔记——密度聚类（公式推导+举例应用）

文章目录算法介绍实验分析算法介绍密度聚类是一种无监督学习的聚类方法，其目标是根据数据点的密度分布将它们分组成不同的簇。

Nie同学·2024-01-30 07:33

机器学习1-种类及应用

2.无监督学习（UnsupervisedLearning）无监督学习中，模型处理未标记的数据，试图从中发现隐藏的结构

dracularking·2024-01-30 07:28

4、K- 均值聚类（Clustering With K-Means）

文章目录1、简介2、聚类标签作为特征3、k-均值聚类4、示例-加利福尼亚住房1、简介这节课和下一节课将使用所谓的无监督学习算法。

AI算法蒋同学·2024-01-30 07:40

动手学深度学习（一）深度学习介绍1

数据：2.2模型：2.3目标函数：2.4优化算法：3.各种机器学习问题：3.1监督学习：3.1.1回归：3.1.2分类：3.1.3标记问题：3.1.4搜索：3.1.5推荐系统：3.1.6序列学习：3.2无监督学习

Shining0596·2024-01-30 02:32

【大厂AI课学习笔记】1.1.3 常见术语解释

Artificialintelligence)2.算法(Algorithms)3.机器学习(Machinelearning)4.深度学习(Deeplearning)5.神经网络(NN)6.监督学习(Supervisedlearning)7.无监督学习

giszz·2024-01-30 02:30

principal components analysis（PCA)

PCA，即主成分分析，是一个很常见的降维方法（属于无监督学习），过去看到它总是对它避而远之，今天下定决心把它搞懂。

28fd90f2ac9b·2024-01-29 21:20

有关机器学习的两种算法特点

机器学习算法主要有三大类：监督学习、无监督学习和强化学习。监督学习：使用预定义的“训练示例”集合，训练系统，便于其在新数据被馈送

轻雨科技·2024-01-29 17:49

基于深度学习的表面缺陷检测方法综述

这篇文章对近年来基于深度学习的表面缺陷检测方法进行了梳理，根据数据标签的不同将其分为全监督学习模型方法、无监督学习模型方法和其他方法三大类，并对各种典型方法进一步细分归类和对比分析，总结了每种方法的优缺点和应用场景

禄亿萋·2024-01-29 16:26

人工智能主要分支

其理论基础包括监督学习、无监督学习、强化学习。支持向量机（SupportVectorMachines）、决策树（Decisi

ByteSage.·2024-01-29 12:52

解密人工智能：探索机器学习奥秘

文章目录前言一.机器学习的定义二.机器学习的发展历程三.机器学习的原理四.机器学习的分类3.1监督学习3.2无监督学习3.3半监督学习3.4强化学习3.5四种分类对比五.机器学习的应用场景六.机器学习的未来发展趋势全文总结前言机器学习

聆风吟_·2024-01-29 08:25

描绘未知：数据缺乏场景的缺陷检测方案

友思特Neuro-T视觉平台克服了数据缺乏状况的困难，通过零代码设置GAN模型和无监督学习模型，轻松实现缺陷图像的标注、绘制和导出。工业应用中存在较多的缺陷检测需求。针对缺陷检测需求，常见的解决方案

友思特机器视觉与光电·2024-01-29 01:30

算法模型之分类模型(无监督学习K-means)

1.什么是无监督学习没有目标值的时候，采用无监督学习。因为不存在学习的对象。

rookie-rookie-lu·2024-01-28 17:56

自监督学习

【属于无监督学习的一部分，它在训练过程中有正负样本，但是正负样本不是人工标号得来的，而是通过自己产生的。】自监督学习总体分成两类：生成式自监督学习和判别式自监督学习。

Icevivina·2024-01-28 12:53

[笔记]机器学习之机器学习理论及案例分析《二》聚类

聚类是无监督学习的主要任务，分类是监督学习的主要任务。聚类主要应用在：发现数据的潜在结构对数据进行自然分

二进制怪兽·2024-01-28 07:52

算法之K-均值法简介

K-均值算法（K-Means）是一种无监督学习的聚类分析方法，用于将数据集中的样本划分成预设数量（K）的簇（cluster），使得每个簇内的数据点彼此相似度较高，而不同簇之间的数据点差异较大。

skyshandianxia·2024-01-28 00:19

李宏毅机器学习（二十三）无监督学习Deep Generative Model(二)

内容衔接上一讲，上节我们讲到VAE，我们为什么用VAE而不用auto-encoder呢，直觉上的原因是如果是auto-encoder，我们期待的是输入满月解码后还是满月，输入半月输出还是半月，但是我们能保证中间状态时候我们的输出是3/4月吗，结果往往不是；如果是VAE，我们就会引入一定的噪声，使得一定范围内输出都是满月，一定范围内输出都是半月，中间的公共部分由于我们要Minimize2者的误差，所

ca8519be679b·2024-01-27 12:38

QT+VS实现Kmeans聚类算法

1、Kmeans的定义聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。

create_right·2024-01-27 06:24

记阿伯丁留学的第六十天

image一.感悟一晃就已经整整留学阿伯丁2个月了，从决定留学开始至今，整整一年，一直是无监督学习的状态，但是我不断的在对自己反思：我希望的我该是什么样的？当自己觉得痛苦时，其实说明你在走上坡路！

wyatt_plus·2024-01-26 21:53

新能源电池数据集

通过AI解决电池的状态估计、阻抗、老化诊断与寿命预测、析锂检测与故障诊断预警等方面问题，通过无监督学习、迁移学习、数据机理将多元信息融合，做到更智能的全

2301_80430808·2024-01-26 17:14

深度学习与图像描述生成——看图说话（3）

目录一、整体架构二、学习策略2.1监督学习2.2无监督学习2.3强化学习三、特征映射3.1定义3.2原理3.3关键技术3.4重要案例3.5特别注意下特征空间这一概念四、语言模型4.1定义与原理4.2关键技术

giszz·2024-01-26 11:48

聚类(Clustering)

1.无监督学习：简介在非监督学习中，我们的数据没有附带任何标签，我们拿到的数据就是这样的：督学习中，我们需要将一系列无标签的训练数据，输入到一个算法中，然后我们告诉这个算法，快去为我们找找这个数据的内在结构给定数据

清☆茶·2024-01-26 06:10

2018-11-28 机器学习打卡

05课机器如何学习有监督学习SupervisedLearning：有标签label无监督学习UnsupervisedLearning：无标签06课三要素数据向量空间模型VSM，x特征向量Featurevector

Rackar·2024-01-26 04:36

无监督学习 - 聚类的潜在语义分析（Latent Semantic Analysis，LSA）

什么是机器学习潜在语义分析（LatentSemanticAnalysis，LSA）是一种无监督学习方法，用于在文本数据中发现潜在的语义结构。LSA的主要应用之一是进行文本文档的主题建模和信息检索。

草明·2024-01-25 21:23

【深度学习】逻辑回归模型

逻辑回归模型机器学习的分类机器学习的两个种类：有监督学习：数据集带标签（题目有正确答案）无监督学习：数据集不带有标签，比如聚类算法有监督学习两大任务：回归任务：预测结果是无限个值，是连续值（体重值、分数值

wmh1024·2024-01-25 07:34

2019年上半年收集到的人工智能强化学习干货文章

强化学习之父：它是人工智能的未来机器学习之强化学习概览强化学习：如何处理大规模离散动作空间2018年强化学习领域十篇重要论文（附源码）『干货』深度强化学习与自适应在线学习的阿里实践我在谷歌大脑工作的监督学习、无监督学习

城市中迷途小书童·2024-01-24 22:57

锂电池剩余使用寿命预测 | 基于 SDAE-Transformer-ECA 网络的锂电池剩余使用寿命预测

SDAE（StackedDenoisingAutoencoder）预训练：使用无监督学习的方法，训练一个多层的自编码器网络（SDAE）来学习数据的潜在表示。SDAE可以通过

算法如诗·2024-01-24 16:18

模糊聚类算法——模糊C均值聚类及matlab实现

1.算法概述模糊C均值聚类算法是一种经典的模糊聚类算法，用于无监督学习中的数据聚类问题。它通过为每个数据点分配模糊隶属度，将数据点划分到不同的聚类中心。

root-cause·2024-01-24 09:24

机器学习整理

推理期：赋予机器逻辑推理能力知识期：使机器拥有知识学习期：让机器自己学习什么是有监督学习和无监督学习，并各举一个算法例子？有监督学习：从有标记的样本中学习，如决策树。

Loli_Wolf·2024-01-24 09:48

吴恩达机器学习介绍第一章介绍

机器学习可以分为监督学习、无监督学习和强化学习三种类型。在监督学习中，计算机系统通过使用带有标签的训练数据来学习模式和规律，然后根

清☆茶·2024-01-24 08:30

MATLAB实现K-means聚类数学建模算法

K-means聚类是一种常用的无监督学习算法，用于将数据集中的观测点划分为不同的组或簇。这个算法的目标是将数据点分配到k个簇中，使得每个数据点到其所属簇的中心的距离最小化。算法的步骤如下：1.

AI Dog·2024-01-24 01:15

推荐频道

无监督学习