人工智能笔记5.0 统计 机器学习：无监督学习

最新推荐文章于 2024-07-21 22:04:22 发布
最新推荐文章于 2024-07-21 22:04:22 发布
阅读量245 收藏
点赞数
分类专栏： 人工智能
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/weixin_44379985/article/details/126172767
版权

机器学习 人工智能 学习

统计机器学习：无监督学习

K均值聚类

在这里插入图片描述
在这里插入图片描述
监督学习有明确的语义标签
无监督学习没有明确的语义标签
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
K均值聚类是无监督学习
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

主成分分析

在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

特征人脸算法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
一旦实现了人脸的表达以后 所有对人脸的操作不再基于二维图像 而是基于映射得到的相关系数 比如给出一堆人脸数据 得到l个相关系数 任意给一张人脸可以得到相关系数表示向量用于后期的分类识别

实践课程

在这里插入图片描述
在这里插入图片描述

干饭王也敲代码
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人工智能如何 “学习“--监督学习、无监督学习、强化学习
编程老王
09-15 2588
随着Pepper和自动驾驶汽车的出现，"机器人 "对不是工程师的普通大众来说越来越熟悉。 机器人使用各种软件技术，特别是 "人工智能（AI）"。 监督式学习、无监督式学习 我们如何在机器学习中学习或训练？一种典型的学习方式是同时教机器一个问题和一个答案。 在下面的例子中，机器被要求分析一个狗的图像，正确答案是 "分类是狗"。 这被称为 "标记的数据"（有正确答案的数据）。 用标记的数据进行训练学习 那么，如果你知道正确的答案，机器会分析出什么？"为什么它被归类为狗？ 换句话说，让机器自己去发现 ".
监督学习方法与无监督学习方法总结
daisyxyr的博客
07-10 4126
（一）监督学习 10种监督学习方法特点的概括汇总如下表： （二）无监督学习 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 矩阵分解基于不同假设：SVD基于正交假设，即分
《统计学习方法》第22章 无监督学习方法总结
weixin_47544382的博客
12-19 212
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
人工智能-无监督学习
qq_43413133的博客
03-05 343
k均值聚类 数据特征 相似度函数：基于特征来计算数据之间的相似性。 输入为n个数据，输出为k个聚类结果。 欧氏距离：差的均方差 1.初始化：k个聚类质心c，每个聚类中心所在集合G 2.每个聚类数据放入唯一一个聚类集合中 3.根据聚类结果，更新聚类质心 4.算法循环迭代，直到满足条件 聚类停止条件： 1.达到了迭代次数上限 2.前后两次迭代中，聚类质心基本保持不变 缺点： 不知道聚类的数目 初始化的...
6. NMF方法及实例
一只小羊
09-11 3108
非负矩阵分解NMF 实现原理 sklearn中非负矩阵分解 NMF人脸数据特征提取1. 非负矩阵分解（NMF）非负矩阵分解（Non-negative Matrix Factorization ，NMF）是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。 基本思想：给定一个非负矩阵V，NMF能够找到一个非负矩阵W和一个非负矩阵H，使得矩阵W和H的乘积近似等于矩阵V中的值。Vn×m=Wn×k×H
人工智能 实验2.无监督学习方法（聚类）
越开源越幸运
03-18 1365
实验二 聚类 实验代码： http://www.17bigdata.com/%E4%B8%80%E4%B8%AA%E7%AE%80%E5%8D%95%E7%9A%84-kmeans-python%E5%AE%9E%E4%BE%8B/ 一、实验目的 学习K-means算法基本原理，实现Iris数据聚类 K均值聚类算法是先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中...
我的机器学习笔记(一)-监督学习vs无监督学习
02-25
在监督学习中，给定一组数据，我们知道正确的输出结果应该是什么样子，并且知道在输入和输出之间有着一个特定的关系。这么说可能理解起来不是很清晰，没关系，后面有具体的例子。监督学习可分为“回归”和“分类”...
数理统计、机器学习和数据编程的学习笔记.zip
05-08
数理统计、机器学习和数据编程的学习笔记.zip 数理统计、机器学习和数据编程的学习笔记.zip 数理统计、机器学习和数据编程的学习笔记.zip 这个专栏是涉及数理统计、机器学习和数据编程三个方面的学习笔记，主要关注...
人工智能 机器学习 （西瓜书）笔记
05-15
资料是我发表文章的pdf版，需要人工智能 机器学习 （西瓜书）笔记的小伙伴们可以自取。 后面我会陆续更新相关章节的笔记 pdf.
机器学习人工智能机器学习笔记
02-20
《机器学习人工智能机器学习笔记》是一份深入探讨人工智能与机器学习领域的综合资料，涵盖了这个快速发展领域中的关键概念、算法和应用。这份笔记旨在帮助读者理解机器学习的基本原理，并引导他们进入人工智能的广阔...
吴恩达机器学习笔记-人工智能机器学习算法入门笔记
01-26
机器学习是人工智能的一个分支，它的核心目标是使计算机系统通过学习数据，而不是被显式地编程，来改善其执行任务的能力。机器学习可以分为监督学习、无监督学习和强化学习等主要类型。 【监督学习】 监督学习是...
【机器学习】几种常见的无监督学习算法
热门推荐
书山有路，学海无涯。记录成长，追逐梦想
05-26 1万+
降维是指在保留数据特征的前提下，以少量的变量表示有许多变量的数据，这有助于降低多变量数据分析的复杂度。减少数据变量的方法有两种：一种是只选择重要的变量，不使用其余变量；另一种是基于原来的变量构造新的变量。
无监督的学习（人工智能笔记）
CSer
06-09 398
无监督和有监督的区别_机器学习和人工智能之间的区别
weixin_39614228的博客
12-01 404
机器学习示意图 机器学习是人工智能的一门学科，其中人工智能的应用范围更广，涵盖了与人类智能相似的主要系统。术语机器学习和人工智能的区别在于，人工智能是模仿人类智能的所有应用，智能发明的设计和综合。另一方面，机器学习重点在于机器和系统的学习机制，其中无需进行编程即可在机器上执行某些特定任务，而是由机器从先前的知识和数据中自行学习。1、机器学习的定义 机器学习是人工智能的细分。它围绕着分析数据并从中学...
什么是监督学习和无监督学习（摘自《人工智能》）
xichengxml的博客
02-16 4338
监督学习：给定数据，从数据中发现信息；它的输入是没有维度标签的历史数据，要求输出是聚类后的数据 无监督学习：给定数据，预测这些数据的标签；它的输入是带维度标签的历史数据，要求的输出是依据模型所做出的的预测 ...
【机器学习】机器学习概观之频率视角下的机器学习和贝叶斯视角下的机器学习以及两者的区别
最新发布
m0_49243785的博客
07-21 505
参数确定，数据随机数据确定，参数随机。
生成对抗网络（GAN）：目标检测的新前沿
2401_85763639的博客
07-21 244
生成对抗网络是由Goodfellow等人在2014年提出的一种深度学习模型，它由两部分组成：生成器（Generator）和判别器（Discriminator）。生成器致力于产生逼真的数据，而判别器则尝试区分真实数据与生成数据。两者在训练过程中相互竞争，推动生成的数据质量不断提升。
人工智能与机器学习原理精解【2】
应用数学
07-21 846
下面内容来自文心一言的自动生成机器学习中的回归是一种预测数值型目标变量的监督学习算法。与分类问题不同回归问题的目标是预测一个连续的值，而不是一个离散的类别标签。回归模型通过学习输入变量（也称为特征或自变量）与输出变量（也称为目标变量或因变量）之间的关系来工作。
【机器学习】机器学习的基本知识点（包括背景、定义、具体内容、功能、使用场景、操作、未来发展和常见算法）
m0_49243785的博客
07-21 924
机器学习是人工智能的一个分支，它使计算机系统能够从数据中学习并做出预测或决策，而不是依赖于严格的编程指令。机器学习的基本概念可以理解为计算机通过数据分析和模式识别来“学习”的过程。这个过程通常包括建立模型、用数据训练模型、以及利用训练后的模型进行预测或分类
吴恩达机器学习笔记：监督与无监督学习详解
吴恩达的机器学习自做笔记强调了学习过程中理论与实践相结合的重要性，无论是监督还是无监督学习，都要求学习者理解和掌握如何有效地从数据中提取有价值的信息，并将其转化为实际问题的解决方案。

“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
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