机器学习——无监督学习

一、有监督学习

1.1 目标

1.1.1回归

1.1.2分类

1.1.2.1 二分类

1.1.2.2 多分类

1.2 模型

1.2.1 线性模型

1.2.1.1 线性回归

1.2.1.2 逻辑回归

1.2.2 邻居模型

1.2.2.1 k-最近邻

1.2.3 树模型

1.2.3.1 决策树

1.2.3.2 随机森林

1.2.3.3 梯度提升

1.2.4 支持向量机

1.2.5 神经网络

二、无监督模型

2.1 数据降维

2.1.1 线性投影

2.1.1.1 主成分分析(PCA)

2.1.1.2 奇异值分解(SVD)

2.1.1.3 随机投影

2.1.2 流形学习

2.1.2.1 等度量映射(ISOMAP)

2.1.2.2 t 分布随机邻居嵌入(t-SNE)

2.1.2.3 字典学习

2.1.3 独立成分分析(ICA)

2.1.4 隐狄利克雷分布模型(LDA)

2.2 聚类

2.2.1 k-平均

2.2.2 层次聚类

2.2.3 基于密度聚类(DBSCAN)

2.3 特征提取

2.3.1 自编码器(Auto-encoder)

2.3 无监督深度学习

2.3.1 无监督预训练

2.3.1 受限玻尔兹曼机

2.3.2 深度置信网络

2.3.3 生成对抗网络

2.4 序列数据建模

发布了274 篇原创文章 · 获赞 446 · 访问量 42万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 终极编程指南 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览