初战无监督学习

无监督学习

• K-means聚类算法的处理流程
  • 1.随机选择k个点作为初始的聚类中心
  • 2.对于剩下的点,根据其与聚类中心的距离,将其归入最近的簇
  • 3.对每个簇,计算所有点的均值作为新的聚类中心
  • 4.重复2,3过程,直到聚类中心不再发生改变
• 调用K-means方法所需参数
  • n_cluster:用于指定聚类中心的个数
  • init:初始聚类中心的初始化方法
  • max_iter:最大的迭代次数

一般调用时只给出n_cluster即可,init默认是k-means++,max_iter默认是300

• 其它参数
  • data:加载的数据
  • label:聚类后,各数据所属的标签
  • axis:按行求和
  • fit_predict():计算簇中心以及为簇分配序号

---

• DBSCAN算法:基于密度的聚类方法
  • 聚类的时候不需要预先指定簇的个数
  • 最终簇的个数不定
• 三类数据点
  • 核心点
  • 边界点
  • 噪音点
• DBSCAN算法流程:
  • 将所有点分别标记为核心点,边界点,噪音点
  • 删除噪音点
  • 为距离为Eps之内的所有核心点之间赋予一条边
  • 每组连通的核心点形成一个簇
• DBSCAN主要参数
  • eps:两个样本被看作邻居节点的最大距离
  • min_samples:簇的样本数
  • metric:距离计算方式

---

• PCA算法主成分分析流程:
  • 输入:样本集D={x1,x2,…,xm};低维空间位数d’.
  • 过程:
    • 1.对所有样本进行中心化
    • 2.计算样本的协方差矩阵XX^T;
    • 3.对协方差矩阵XX^T做特征值分解
    • 4.取最大的d’个特征值所对应的特征向量w1,w2,…,wd’.
  • 输出:投影矩阵W = (w1,w2,…,wd’)
• PCA算法主要参数有:
  • n_components:指定主成分的个数,即降维后数据的维度
  • svd_solver:设置特征值分解的方法,默认为’auto’,其它可选有’full’,‘arpack’,‘randomized’.

---

• NMF算法主要参数
  • n-components:用于指定分解后矩阵的单个维度k
  • init:W矩阵和H矩阵的初始化方式,默认为’nndsvdar’