吴恩达机器学习笔记（二）无监督学习

什么是无监督学习？说到这个问题我们可以回想下监督学习，监督学习的特点就是告知算法一些信息，

比如这是第一类人，那些是第二类人，还有第三类，等等。

那么无监督学习就是没有提前告知算法一些信息，是的，这是有一堆数据。我不知道数据里边有什么，

也不知道谁是什么类型。我甚至不知道人们有哪些不同类型，以及这些类型又是什么。但是你能自动地

找到数据中的结构吗？就是说你要自动地聚类哪些个体到哪些类里边，我们没办法提前知道哪些是哪些。

因为根本没有给算法正确答案来回应数据集中的数据，所以这就是无监督学习。

无监督学习或聚集有着大量的应用。首先就是，它可以用于组织大型计算机集群，比如在大数据中心，那里有大

型计算机集群，他们找到什么样的机器易于协同地工作，如果能让那些机器协同工作，就能让数据中

心的工作更高效。第二种应用就是社交网络的分析。如果已知你朋友的信息，比如经常发email的，或

者是Facebook好友等，利用无监督学习能否自动地给出朋友的分组？即每组里的人都彼此认识。还有

市场分割等，许多公司有大型的数据库，存储消费者信息，能否依据这些信息给他们划分不同的市

场？等等。那我们必须让算法从数据中发现这一切。最后，无监督学习也可用于天文数据分析。这些

聚类算法可以给出令人惊讶的结果，解释了星系是如何诞生的。这都是聚类的例子，然而聚类也只是

无监督学习中的一种。

另外还有一种，我们先来介绍鸡尾酒宴问题，想象一下，有个宴会房间里满都是人，全部都在聊天，

这么多人同时都在聊天的情况下，声音彼此重叠着，因为每个人都在说话，甚至同一时间，你几乎听

不到你面前的人的声音。我们放两个麦克风在房间中，因为这些麦克风在两个地方，离说话的人不同

的距离的每个麦克风记录下不同的声音，虽然是同样的两个说话人。听起来像是两份录音被叠加在一

起，产生了我们现在的这些录音。另外，这个算法还会区分两个音频资源，这两个可以合成或合并成

之前的录音。实际上，
鸡尾酒算法的第一个输出结果是：
1 ，2，3，4，5，6，7，8，9，10
第二个输出是这样：
1，2，3，4，5，6，7，8，9，10

看到这个无监督学习算法，感觉实现这个要特别复杂，事实上如果使用合适的语言就可以用一行代码

来完成。

[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');

Octave;