《统计学习方法（第2版）》李航 第22章 无监督学习方法总结 思维导图笔记

最新推荐文章于 2022-11-28 23:08:49 发布
最新推荐文章于 2022-11-28 23:08:49 发布
阅读量191 收藏
点赞数 2
分类专栏： 统计学习方法笔记 文章标签： 学习 人工智能 机器学习 马尔可夫 蒙特卡罗
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/qq_26928055/article/details/125162331
版权

 

 

 

ML--小小白
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
无监督学习方法以及应用
06-03
无监督学习是机器学习的一个重要分支，其在机器学习、数据挖掘、生物医学大数据分析、数据科学等领域有着重要地位。本书阐述作者近年在无监督学习领域所取得的主要研究成果，包括次胜者受罚竞争学习算法、K-means学习算法、K-medoids学习算法、密度学习算法、谱图聚类算法；*后介绍了无监督学习在基因选择、疾病诊断中的应用。
李航老师《统计学习方法》第2版课件：第22章 无监督学习方法总结.rar
03-10
李航老师《统计学习方法》第2版课件：第22章 无监督学习方法总结.rar
《统计学习方法》代码全解析——第十三部分无监督学习概论
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
05-25 334
1.机器学习或统计学习一般包括监督学习、无监督学习、强化学习。 无监督学习是指从无标注数据中学习模型的机器学习问题。无标注数据是自然得到的数据，模型表示数据的类别、转换或概率无监督学习的本质是学习数据中的统计规律或潜在结构，主要包括聚类、降维、概率估计。 2.无监督学习可以用于对已有数据的分析，也可以用于对未来数据的预测。学习得到的模型有函数 ????＝????(????) z＝g(x) ，条件概率分布 ????(????|????) P(z|x) ，或条件概率分布 ????(????|????) P(x|
《统计学习方法》第22章 无监督学习方法总结
weixin_47544382的博客
12-19 206
八种常用的统计机器学习方法，即聚类方法（包括层次聚类与k均值聚类）、奇异值分解（SVD）、主成分分析（PCA）、潜在语义分析（LSA）、概率潜在语义分析（PLSA）、马尔可夫链蒙特卡罗法（MCMC）、潜在狄利克雷分配（LDA）、PageRank算法 还有另外三种常用的统计机器学习方法，即非负矩阵分解（NMF）、变分推理、幂法 这些方法常用于无监督学习的聚类、降维、话题分析以及图分析 一、机器学习方法之间的关系如下图所示： 二、无监督学习方法的特点如下表： 三、基础机器学习方法 矩阵分解基于不同假设：SV
非监督学习算法（聚类、降维、关联规则挖掘）--机器学习--思维导图手写笔记（32）
好好学习，天天向上
08-06 1881
一、思维导图（点击图方法） 二、补充笔记 三、K-means算法的收敛性 说明： 当聚类中心μ确定时，求得的各个数据的cluster满足聚类目标函数最小。 当数据cluster确定时，求得的聚类中心μ满足聚类目标函数最小。 可以发现，k-means的两个步骤都是在降低聚类目标函数的函数值，并且聚类的目标函数的函数值的下界为0.  所以，可以k-means可以收敛。  ...
无监督学习思维导图--聚类,降维
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
09-06 451
无监督学习无监督学习无监督学习----sklea--降维基于聚类的整图分割示例K-means聚类算法 无监督学习 无监督学习----sklea–降维 基于聚类的整图分割示例 K-means聚类算法 写了一点点哈哈
李航老师《统计学习方法》第2版课件：第13章 无监督学习概论.rar
03-10
李航老师《统计学习方法》第2版课件：第13章 无监督学习概论.rar
李航老师《统计学习方法》第2版课件全套.rar
03-10
李航老师《统计学习方法》第2版课件全套.rar
统计学习方法李航版本笔记1—5章.pdf
10-05
统计学习方法李航版本笔记1—5章
《统计学习方法》啃书手册｜第22章 无监督学习方法总结（教材全解 + 公式推导 + Python实现）
长行
07-22 446
22.1 无监督学习方法的关系和特点 【补充说明】图22.1中的“无监督学习方法”，是用于解决无监督学习基本问题，即聚类问题、降维问题或概率模型估计问题的方法；而“基础机器学习方法”，是用于实现“无监督学习方法”的学习算法的方法。例如，主成分分析可以通过奇异值分解实现，潜在语义分析可以用奇异值分解或非负矩阵分解实现。 【补充说明】表22.1中之所以将非负矩阵分解（NMF）归入“无监督学习方法”的“话题分析”类，是因为上文提到“NMF可以直接用于话题分析”。但也将NMF归入用于矩阵分解的“基础机器学习方法”。
机器学习_第四天（非监督学习+思维导图）
weixin_44454872的博客
05-10 651
1、非监督学习（无目标值） k-means：聚类，把数据划分成K个类别，当K未知时可视为超参数，进行调参 假设K=3，聚类步骤如下： 随机在数据当中抽取三个样本，当做三个类别的中心点(k1,k2,k3) 计算其余点分别到这三个中心点的距离，每个样本都有三个距离(a,b,c)，选出距离最近的中心点归为一类，从而最终形成三个族群。 分别计算这三个族群的平均值（即属于该族群所有点的x均值与y均值），x均值与y均值组成的三个新的中心点是否同之前三个旧中⼼相同 ▶ 如果相同：结束聚类 ▶ 如果不同：将这三个点作为
[Read]XXI00152《统计学习方法》第22章 无监督学习方法总结 和 附录 笔记
六半
09-26 273
第22章 无监督学习方法的总结 附录A 梯度下降法 附录B 牛顿法和拟牛顿法 附录C 拉格朗日对偶性 附录D 矩阵的基本子空间 附录E KL散度的定义和狄利克雷分布的性质 ...
《统计学习方法》 第二十二章 无监督学习方法总结
小鹏AI
11-28 181
马尔可夫链蒙特卡罗法（CMC，包括 Metropolis-Hastings-算法和吉布斯抽样）、潜在狄利克雷分配（LDA）、 PageRank算法。即非负矩阵分解（NMF）变分推理、幂法。这些方法通常用于无监督学习的聚类、降维、话题分析以及图分析。聚类方法（包括层次聚类与k均值聚类）、奇异值分解（SVD）、主成分分析（PCA）、无监督学习方法。无监潜在语义分析（LSA）、概率潜在语义分析（PLSA）此外，还简单介绍了另外三种常用的统计机器学习方法。八种常用的统计机器学习方法，即。
无监督学习总结笔记
weixin_43761124的博客
03-02 604
无监督学习的类型 一、数据集的无监督变换（unsupervised transformation） 是创建数据新的表示的算法，与数据的原始表示相比，新的表示可能更容易被人或其他机器学习算法所理解。 应用一：降维（dimensionality reduction），用较少的特征就可以概括其重要特性。 PCA，t-SNE 应用二：找到“构成”数据的各个组成部分（比如对文本文档集合进行主题提取。 PCA...
《统计学习方法（第2版）》李航 第十三章 无监督学习概论 思维导图笔记
qq_26928055的博客
05-02 291
机器学习_学习笔记：监督学习和无监督学习
一颗胡萝卜的秘密基地
04-26 181
目录 监督学习 分类 回归 无监督学习 聚类 监督学习 其基本思想是，我们数据集中的每个样本都有相应的“正确答案”， 再根据这些样本作出预测。 分类 其目标是推出一组离散的结果 回归 即通过回归来推出一个连续的输出 无监督学习 没有给算法正确答案来回应数据集中的数据。 聚类 在无监督学习中，我们已知的数据。看上去有点不一样，不同于监督学习的数据的样子，即无监督学习中没...
机器学习-半监督学习-思维导图
DevilXiao
03-26 488
点击进入：机器学习系列目录 其后附有清晰的pdf版本下载链接哦。 整理不易，如果您觉得有用的话，请点个赞吧????
无监督学习-机器学习
worldvagrant的博客
01-04 714
无监督学习基本概念监督学习与无监督学习聚类k-均值聚类k-均值算法关于聚类的k值选择关于聚类的初始划分关于聚类的距离计算关于聚类的终止条件举例k-均值算法的硬盘版本k-均值算法的优势与劣势k-均值算法总结聚类的表示聚类的一般表示方法层次聚类层次聚类的两种方法例子两个聚类之间的距离计算单链接方法全连接方法平均链接方法聚类中心方法复杂度距离函数混淆矩阵对称布尔属性举例非对称布尔属性数据标准化范围标准化z-score标准化 基本概念 监督学习与无监督学习 监督学习： 发现数据属性和类别属性之间的关联模式，然后构建
DeepLearning学习笔记——无监督学习算法
热门推荐
hustqb的博客
08-16 1万+
无监督算法只处理“特征”，不操作监督信号。监督和无监督算法之间的区别没有规范严格的定义，因为没有客观的判断来区分监督者提供的值是特征还是目标。通俗地说，无监督学习的大多数尝试是指从不需要人为注释的样本的分布中抽取信息。
统计学习方法李航第二版
最新发布
07-27
很抱歉，我无法回答关于《统计学习方法》李航第二版的问题。因为在提供的引用内容中没有提到《统计学习方法》李航第二版的相关信息。请提供更多相关的引用内容，我将尽力为您提供答案。 #### 引用[.reference_title] - *1* [李航老师《统计学习方法》第二版第三章课后题答案](https://blog.csdn.net/qq_41626059/article/details/115550572)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [《统计学习方法（第2版）》李航 第14章 聚类方法 思维导图笔记 及 课后习题答案（步骤详细） k-均值 层次...](https://blog.csdn.net/qq_26928055/article/details/124563123)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [李航老师《统计学习方法》第二版第十一章课后习题答案](https://blog.csdn.net/qq_41626059/article/details/108926411)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

ML--小小白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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