无监督学习
文章平均质量分 93
机器学习之无监督学习
许久是混子
我是混子我是混子我是混子。。。。。。
展开
-
1.无监督学习引入
无监督学习引入文章目录一、引入二、概念三、聚类3.1 概念3.2 距离计算3.3 应用场景一、引入在实际工作中,我们经常会遇到这样一类问题:给机器输入大量的特征数据,并期望机器通过学习找到数据中存在的某种共性特征或者结构,抑或是数据之间存在的某种关联。例如,视频网站根据用户的观看行为对用户进行分组从而建立不同的推荐策略,或是寻找视频播放是否流畅与用户是否退订之间的关系等。这类问题被称作是 非监督学习 问题,它并不是像有监督学习那样希望预测某种输出结果。相比较于监督学习,非监督学习的输入数据没有标签信原创 2022-01-21 21:02:01 · 2267 阅读 · 0 评论 -
2.基于原型的聚类方法
基于原型的聚类方法文章目录一、概念二、K-Means2.1 算法流程2.2 超参数2.3 特性2.4 解析2.5 K-Means++2.6 Python实现三、K-Mediods3.1 概念3.2 算法对比四、特性一、概念 原型”是指样本空间中具有代表性的点。 原型聚类假设聚类结构可以通过一组原型刻画,这一方法在实际聚类任务中最为常用,理解起来也较简单;通常算法先对原型进行初始化,然后对原型进行迭代更新求解。采用不同的原型表示,不同的求解方式,即会产生不同的聚类算法。最经典的原型聚类算法即:原创 2022-01-21 20:58:14 · 3806 阅读 · 0 评论