![](https://img-blog.csdnimg.cn/20190918140145169.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习----无监督学习
文章平均质量分 92
介绍了机器学习中的无监督学习,包含聚类算法、关联规则、序列模式、特征工程等。
无心♧
与其仰望星空,不如去做摘星星的人,未来可期!
展开
-
机器学习之时间序列
时间序列是一种数据结构,。它通常包括一组有序的观测值,每个观测值都与其在时间上的位置相关。时间序列数据广泛应用于各种领域,如经济学、金融学、气象学、生物学等。时间序列分析是一种统计方法,用于研究时间序列数据中的潜在规律、趋势和周期性变化。原创 2023-09-28 12:04:39 · 297 阅读 · 1 评论 -
机器学习之特征构建
总结特征构建的完整步骤,PCA主成分分析,LDA(线性判别分析)、LSA(自然语言处理)等等原创 2023-09-27 17:17:40 · 836 阅读 · 0 评论 -
机器学习之关联规则
关联规则挖掘是机器学习中的一个重要分支,它可以帮助我们从大规模数据集中发现隐藏在数据背后的有趣模式和关联关系。原创 2023-09-19 22:15:04 · 281 阅读 · 0 评论 -
机器学习----聚类算法
聚类分析是一种无监督学习技术,它旨在将数据点划分成一组具有相似特征的簇。换句话说,聚类分析可以帮助我们识别数据中的潜在群组,而不需要预先知道这些群组的标签或类别。聚类的目标是最大化同一簇内的相似性,并最小化不同簇之间的相似性。聚类模型的核心是选择合适的距离度量和聚类算法。模型及算法作用基本思想优点缺点聚类算法用于无监督学习通过将数据集分成多个组别,使得组内的数据点相似度最高,组间的数据点相似度最低能够发现数据集中的隐藏结构和模式,适用于大多数数据集。原创 2023-09-18 08:30:00 · 109 阅读 · 0 评论