无监督学习
文章平均质量分 70
无监督学习初探,领略自由的世界!
阿华Go
做一个有责任心有上进心的汉子,我要肩负起守护家人的重任!!!
展开
-
kmeans聚类算法解密
前面我们了解了很多有监督学习相关的知识,相信大家一定对其中的精彩还回味无穷呢(原谅我就是这么臭不要脸,哈哈哈),最近闲来无事,看了看无监督学习相关的资料和知识,今天我们就先来看看无监督学习之kmenas算法,从名字可以看到两个信息:1)k个簇;2)每个簇的质心是它的means,即均值。我们先来看看kmeans的思路: 思路解析: 1)确定k个中心表示k个簇(方法各异); 2)对n个样本,找...原创 2018-03-04 16:03:49 · 461 阅读 · 0 评论 -
层次聚类算法解析
上篇博客我们粗略讲解了一下kmeans聚类算法,其中牵涉到了新的聚类算法:层次聚类算法,本篇博客我们着重讲一下这种聚类算法。 kmeans聚类算法可以看做top-down结构,而层次聚类算法则可以视为bottom-up结构,而且极其类似于霍夫曼编码这种贪心结构算法,不过不同之处在于霍夫曼编码每次找的是分离的两个值最小的两个节点,然后合并成一个节点,而层次聚类算法则找的是两个节点(集合)相似度最小...原创 2018-03-04 17:45:05 · 784 阅读 · 0 评论 -
最大似然法
要利用最大似然法,我们首先需要明白什么是似然函数,然后再来讲解如何最大,那么到底什么东东是似然函数呢?下面我们来讲解一下哈! likelihood(似然),在英语中和probability(可能)可以互换,所以我们可以猜想这个东西是关于概率的,那为什么不用probability呢?因为在英语中,并不是所有在0,1之间的数都可以称为概率的,所以作者想表达的是,这个词和probability有关系,...原创 2018-03-04 23:19:19 · 1646 阅读 · 0 评论 -
Gaussian Mixture Model(GMM)探索
最近一直在看无监督学习相关的只是,在前面了解了kmeans聚类算法和层次聚类之后,今天我们来探索一下没那么简单的Gassian Mixture Model哈,感受一下数学所带来的震撼和又一次多了对高斯这个神一般的男人的好奇,现在开始转入正题哈! 高斯混合模型,顾名思义,使用多个不同的高斯模型混合而成,用来拟合任意形状的概率分布,至于原因嘛,大家可以看看为什么高斯模型混合模型(GMM)理论上可以拟...原创 2018-03-05 14:54:31 · 1425 阅读 · 0 评论 -
kmeans聚类算法改进
由于kmeans聚类算法对离群点或者噪音很敏感,而且适合凸规模的数据集,而且可能陷入局部最优等等问题,前辈们又提出了很多改进的算法!(总参考:机器学习(25)之K-Means聚类算法详解) 二分kmeans(bisecting K-means)算法: 思路: 1)将所有的数据看做一个簇; 2)当簇的个数小于所要求的k时候: 对每一个簇: ...原创 2018-03-05 20:14:10 · 7290 阅读 · 0 评论