机器学习(1.13)

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/Dove_forehead/article/details/79496683

机器学习-无监督学习

Machine Learning - Unsupervised Learning

  • 定义
  • 算法
  • 小结

定义

无监督学习

顾名思义为不受监督的学习,一种自由的学习方式。即,如果所有的训练数据都有标签,则为监督学习。相反,如果所有的训练数据都没有标签,则为无监督学习,也就是聚类(clustering)
监督学习(Supervised Learning)下的数据集:
(x(1),y(1)),(x(2),y(2))
无监督学习(Unsupervised Learning)下的数据集:
(x(1)),(x(2))

聚类

在有监督学习中,我们把离散样本进行分类的过程称为分类(Classification),把连续样本进行预测的过程称为回归(Regression),而在无监督学习中,我们将样本分类的过程称之为聚类(Clustering)。
在聚类中,我们将样本所在的集合称之为簇(Cluster)

算法

  • EM算法
  • K均值
  • 高斯混合模型(GMM)
  • 主成分分析(PCA)
  • 多维尺度分析(MDS)
  • 受限玻尔兹曼机

小结

算法分类

注:图中的逻辑回归应该属于监督学习中的分类模型

参考博文:
参考gitbooks

展开阅读全文

没有更多推荐了,返回首页