[机器学习入门] 李宏毅机器学习笔记-14 （Unsupervised Learning: Linear Dimension Reduction；无监督学习：线性降维）

最新推荐文章于 2024-07-20 17:25:24 发布
最新推荐文章于 2024-07-20 17:25:24 发布
阅读量3.1k 收藏 5
点赞数 3
分类专栏： 机器学习 机器学习入门 文章标签： 机器学习 无监督学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/soulmeetliang/article/details/73309360
版权
这篇博客介绍了无监督学习的两大类别：化繁为简和无中生有，重点讲解了聚类方法如K-means和HAC，以及线性降维的概念，特别是PCA主成分分析。PCA通过找到最大化方差的方向来降低维度，其弱点在于可能丢失某些重要信息。
摘要由CSDN通过智能技术生成

[机器学习入门] 李宏毅机器学习笔记-14 （Unsupervised Learning: Linear Dimension
Reduction；线性降维）

PDF VIDEO

Unsupervised Learning

把Unsupervised Learning分为两大类：
化繁为简：有很多种input，进行抽象化处理，只有input没有output
无中生有：随机给一个input，自动画一张图，只有output没有input

这里写图片描述

Clustering

有一大堆image ，把他们分为几大类，给他们贴上标签，将不同的image用相同的
cluster表示。
也面临一个问题，要有多少种cluster呢？
有两种clustering的方法：

这里写图片描述

K-means(K均值)

这里写图片描述

最低0.47元/天 解锁文章
holeung
关注
专栏目录
13、【李宏毅机器学习（2017）】Unsupervised Learning: Linear Dimension Reduction（无监督学习：线性降维）
Jimmyzqb的博客
08-29 4253
在前面的博客中介绍了监督学习和半监督学习，本篇博客将开始介绍无监督学习。 目录 无监督学习介绍 监督学习、半监督学习、无监督学习 无监督学习的用处 聚类（Clustering） K均值聚类 Hierarchical Agglomerative Clustering (HAC) 降维（ Dimension Reduction） Feature selection Principl...
Unsupervised Learning-Dimension Reduction
KDLin‘s Blog
05-19 189
目录 - - - 1. 基本知识 - 1.1 无监督学习的两种流派 - 2. Clustering - 2.1 K-means - 2.2 HAC，Hierarchical Agglomerative Clustering - 3. Distributed Representation - 4. Principle component analysis（PCA） -...
机器学习——降维算法PCA和SVD（sklearn）
最新发布
CXDNW的博客
07-20 1222
与特征选择类似，我们可以用不同的特征提取技术来减少数据集的特征数量。特征选择和特征提取的区别在于，当我们用诸如 逆序选择之类的特征选择算法 时，数据集的原始特征 保持不变，而当我们用 特征提取 方法时，会将数据变换 或投影到 新特征空间。在降维的背景下，我们可以 把特征提取理解为 数据压缩的一种方法，其目的是保持大部分的相关信息。在实际应用中，特征提取 不仅可以优化存储空间 或 机器学习算法 的计算效率，而且还可以 通过减少 维数 提高预测性能，尤其是当我们 处理非正则化 模型的时候。
李宏毅机器学习HW4 代码
weixin_46524058的博客
07-27 1618
留给自己看的，没啥参考价值
李宏毅 机器学习 课程作业代码
08-17
李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码
李宏毅机器学习代码笔记-Regression
A_Tu_daddy的博客
01-02 276
该代码仅仅是本人在看学习视频时的记录，可以直接运行的。没有详细解说，大家可以去b站上看李宏毅机器学习的视频。 import numpy as np import matplotlib.pyplot as plt x_data = [338., 333., 328., 207., 226., 25., 179., 60., 208., 606.] y_data = [640., 633., 619...
2021李宏毅机器学习笔记--18Unsupervised Learning -- Neighbor Embedding
guoxinxin0605的博客
08-07 533
2021李宏毅机器学习笔记--18 Unsupervised Learning -- Neighbor Embedding 摘要一、Manifold Learning(流形学习)二、Locally Linear Embedding(LLE,局部线性嵌入)三、Laplacian Eigenmaps(拉普拉斯特征映射)3.1 简介二级目录二级目录四、总结二级目录三级目录 摘要 wijw_{ij}wij​ wiw^iwi 本节是进行非线性降维的一些算法。包括局部线性嵌入LLE、拉普拉斯特征映射和t分布随
[机器学习入门] 李宏毅机器学习笔记-15 （Unsupervised Learning: Word Embedding；无监督学习：词嵌入）
Holeung blog
06-16 3283
[机器学习入门] 李宏毅机器学习笔记-15 （Unsupervised Learning: Word Embedding；无监督学习：词嵌入） PDF VIDEOWord Embedding Word Embedding 是前面讲到的dimension reduction一个很好的应用。 1-of-N Encoding，是把所有的word用一个向量表示，每个向量都不一样，我们没办法
李宏毅机器学习24—Unsupervised learning-linear methods
weixin_57178683的博客
06-06 291
摘要：这节课主要讲无监督学习中线性模型的知识 无监督学习主要分成两类：一类是降维、聚类。一类是生成。 聚类顾名思义就是将具有相同特征的数据分为一类，主要有两种方法：1.K-mean，2.HAC 降维是指将一个事务从高纬度降低到低纬度，方便计算。降维也是讲了两种方法：1.featureselection，2.PCA PCA（主成分分析）是整节课的重点，简单来说，就是将数据投影到方差更大的方向上。 从另一个角度来看，一张图片可以视为由多个component组成的，可以发现这里的component就是.
李宏毅学习笔记23.Unsupervised Learning.01: Linear Dimension Reduction
老毛的博客
06-30 761
非监督学习分为两大类：Clustering & Dimension Reduction 和Generation，这节主要是讲前者中的Dimension Reduction（Linear Methods），对PCA进行了重点讲解。
台大李宏毅机器学习课程Pokemon 宝可梦模型Demo 代码 源码
03-27
这个一个Python代码，是台湾大学李宏毅老师教授机器学习课程上举例提出的一个宝可梦Pokemon的CP值预测的模型，采用了Regression的方法。
李宏毅2020机器学习课程课后作业要求+代码.zip
03-14
李宏毅2020机器学习课程课后作业要求+代码，基于jupyter notebook的源码。
李宏毅机器学习Homework1（代码简洁版）
weixin_43912738的博客
05-04 853
李宏毅机器学习Homework1 题意大概是（我具体没怎么听，觉得有问题的小伙伴可以提醒我一句），给你前四天的数据，根据第5天的身体状况预测第五天的test_positive，具体数据b站有，懒得放了 因为电脑没有GPU所以我懒得管那些GPU的设置了，然后代码主要是训练模块，测试模块实际上就是把网络设置成推理模式，然后自己跑，很简单的我就不写了 这个问题单纯是练手的，我也没看老师的代码是怎么做的，反正训练效果我感觉差不多就行了，就不多说废话，调整超参数那些自己可以尝试搞一搞 import torch i
机器学习 李宏毅 L24-Linear Dimension Reduction
okgagaga的博客
01-31 451
clustering 聚类 k-means方法： HAC方法(Hierarchical Agglomerative Clustering): Distributed Representation 用于实现dimension reduction。输入为特征，输出为维数较小的数据。常用的方法为PCA，principle component analysis。 可以使用拉格朗日
【台大李宏毅ML课程】Lecture 13 Unsupervised Learning——Linear Dimension Reduction笔记
code_caq的博客
03-25 1107
本节课主要讲了两种线性降维的方法——cluster和PCA，并从两个角度解释了PCA。最后讲了一些关于矩阵分解的知识。 1.cluster cluster就简单的带过了，主要是k-means和HAC k-means原理： （1）先初始化k个中心点ci (i=1,….,k) （2）如果样本x离ci更近，就划分到第i类 （3）更新每个类别的中心点 （4）重复（2）（3） 如何选择K...
李宏毅机器学习-explainable machine learning（机器学习的可解释性）及代码
iwill323的博客
10-30 901
explainable machine learning（机器学习的可解释性） Local Explanation Global Explanation
李宏毅2023机器学习作业 HW01 解析和代码分享
Hoper-J的博客
03-14 2382
李宏毅机器学习作业 HW01 数据集解析和代码分享
李宏毅机器学习课程3~~~梯度下降法
jiandanjinxin的专栏
07-27 2702
梯度下降法描述 梯度下降法是为了找到最优的目标函数，寻找的过程就是沿着损失函数下降的方向来确定参数变化的方向。参数更新的过程就是一个不断迭代的过程，每次更新参数学到的函数都会使得误差损失越来越小，也就是说学习到的参数函数越来越逼近最优函数。 参数的更新是按照损失函数的等高线的方向进行的。 梯度下降是一阶导数，梯度下降是用平面来逼近局部。 牛顿法是二阶导数，牛顿法是用
李宏毅机器学习笔记：Adaptive Learning Rate算法详解与应用
本篇文章是关于李宏毅的机器学习学习笔记，主要聚焦于Adaptive Learning Rate在深度神经网络训练中的应用。Adaptive Learning Rate是一种策略，旨在解决固定学习率在训练过程中可能遇到的问题，如过早停止在非全局最...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值