[Machine Learning]--无监督学习

于 2019-03-01 20:47:18 发布
阅读量193 收藏
点赞数
分类专栏： ML 文章标签： machine learning unsupervised learning 无监督学习
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/yuanmengxinglong/article/details/88067976
版权

文章目录

无监督学习

1.相关资源

  1. good books about unsupervised learning.Quora

quotation begin

Check out this old, but evergreen chapter from Zoubin Ghahramani first, its a good introductory read: http://mlg.eng.cam.ac.uk/zoubin/…

These books are all very nice and will cover unsupervised learning in some detail:

Bishop: Pattern Recognition and Machine Learning: http://research.microsoft.com/en…
Barber: Bayesian Reasoning and Machine Learning [free PDF version available] http://web4.cs.ucl.ac.uk/staff/D…
Koller and Friedman: Probabilistic Graphical Models: http://pgm.stanford.edu/
Jordan (ed): Learning in Graphical Models: http://mitpress.mit.edu/catalog/…

Also this is still my favourite paper on the topic: http://mlg.eng.cam.ac.uk/zoubin/…

quotation end

  1. Clustering with Gausian mixted models. medium
yuanmengxinglong
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
15、【李宏毅机器学习（2017）】Unsupervised Learning: Neighbor Embedding（无监督学习：邻域嵌套）
Jimmyzqb的博客
08-29 4038
上一篇博客介绍了无监督学习在文字中的降维方法——Word Embedding，本篇博客将继续介绍无监督学习算法的降维方法——Neighbor Embedding。 目录 Locally Linear Embedding (LLE) Laplacian Eigenmaps T-distributed Stochastic Neighbor Embedding (t-SNE) t-SNE算...
李宏毅机器学习2016 第十二讲 无监督学习：线性维数约减
Come_for_IT 的博客
01-18 680
视频链接：李宏毅机器学习(2016)_演讲•公开课_科技_bilibili_哔哩哔哩课程资源：Hung-yi Lee课程相关PPT已经打包命名好了：链接：https://pan.baidu.com/s/1c3Jyh6S 密码：77u5我的第十一讲笔记：李宏毅机器学习2016 第十一讲 半监督学习Unsupervised Learning：Linear Dimension Reduction本章主要
python 读取DICOM头文件
sunyao_123的博客
06-23 1万+
用dicompyler软件打开dicom图像，头文件如图所示： 当然也可以直接读取：ds = dicom.read_file('H:\Data\data\\21662\\2.16.840.1.113662.2.0.105002416.1489146183.701\CT\\CT#0#21662#E7AB693D.dcm') print ds>> (0008, 0008) Image Type
Python load指定目录下指定后缀的文件
西檬饭
07-05 5422
1）指定文件的路径 path = "D:\\Python\\PyCharm_Projects\\tensorflow-DBN-master" 实际上在windows上的路径是一个反斜杠的：D:\Python\PyCharm_Projects\tensorflow-DBN-master 要注意的是反斜杠转义的问题，这里使用前一个“\”取消第二个”\”的转义作用，或者说这种方式表示一个反斜杠。 ...
认识Node.js中流
Be patient! Think twice! Word harder!
05-28 2010
认识Node.js中流 May 21, 2016 流是Node.js中一个非常重要的概念， 也是Node.js之所以适用于I/O密集型场景的重要原因之一。 流是Node.js移动数据的方式，流可以是可读的和／或可写的。在Node.js中很多模块都使用到了流， 包括HTTP和fs模块，本文将用尽可能简单的方式为你介绍Node中流的概念。 流 Stream 事实上，流通常用于将程序
Machine-Learning-Projects:我的机器学习项目存储在这里
03-10
这里可能涉及监督学习（如回归和分类问题）和无监督学习（如聚类）。常见的算法有线性回归、逻辑回归、支持向量机（SVM）、决策树、随机森林、梯度提升机（GBM）以及神经网络等。Jupyter笔记本是一种交互式环境，...
MachineLearning-master
10-19
1. **感知机（Perceptron）**：感知机是最早的监督学习算法之一，主要用于二分类问题。它基于权重向量与输入向量的内积决定输出类别。在训练过程中，感知机会通过迭代更新权重来逐步调整决策边界，直到找到一个能够...
notes-machine-learning-master_机器学习笔记_机器学习_
10-03
首先，我们需要理解机器学习的基本类型：监督学习、无监督学习和半监督学习。在监督学习中，我们有标记的训练数据，模型通过学习这些数据的关系来预测未知数据。无监督学习则在没有标签的数据集上工作，寻找数据中的...
Play-with-Machine-Learning-Algorithms-master_机器学习_algorithms_
09-29
它主要分为监督学习、无监督学习和半监督学习。监督学习包括常见的线性回归、逻辑回归、决策树、随机森林、支持向量机（SVM）和各种神经网络模型，如人工神经网络（ANN）、卷积神经网络（CNN）和循环神经网络（RNN）...
machine-learning-ex6.zip_machine learning_机器学习 ex6_机器学习ex6
07-14
首先，支持向量机是一种监督学习模型，常用于分类和回归分析。其基本思想是找到一个超平面，使得不同类别的数据点被最大程度地分开。在二维空间中，这个超平面可以是一个直线；在高维空间中，它可能是一个超平面。...
TensorFlow 资源汇集
Be patient! Think twice! Word harder!
03-05 696
1.安装及介绍 TensorFlow 学习笔记 深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 再写博文，回顾在Windows7上安装TensorFlow-GPU的一路坑 Tensorflow GPU 版本 win 10 下安装 深度学习框架TensorFlow学习（一）——关于Tensorflow的简介和配置 2017.2.16 tf 峰会 Tens
16、【李宏毅机器学习（2017）】Unsupervised Learning: Deep Auto-encoder（无监督学习：深度自动编码器）
Jimmyzqb的博客
08-29 4477
本篇博客将介绍无监督学习算法中的 Deep Auto-encoder。 目录 Deep Auto-encoder Deep Auto-encoder的降维作用 Auto-encoder – Text Retrieval Auto- encoder for CNN Auto-encoder – Pre-training DNN Decoder Deep Auto-encode...
为什么要在神经网络分类训练中使用 Cross-Entropy？(to be continued)
Be patient! Think twice! Word harder!
03-07 973
1.资料 Why You Should Use Cross-Entropy Error Instead Of Classification Error Or Mean Squared Error For Neural Network Classifier Training 交叉熵的定义、推导–blog
李宏毅机器学习2016 第十五讲 无监督学习 生成模型之 VAE
Come_for_IT 的博客
01-19 3558
视频链接：李宏毅机器学习(2016)_演讲•公开课_科技_bilibili_哔哩哔哩课程资源：Hung-yi Lee课程相关PPT已经打包命名好了：链接：https://pan.baidu.com/s/1c3Jyh6S 密码：77u5我的第十四讲笔记：李宏毅机器学习2016 第十四讲 深度自编码器Unsupervised Learning ： Generation本章主要讲解了无监督学习中的生成模
李宏毅机器学习2016 第十三讲 无监督学习之非线性降维：流型学习（Mainfold Learning）
Come_for_IT 的博客
01-18 2558
视频链接：李宏毅机器学习(2016)_演讲•公开课_科技_bilibili_哔哩哔哩课程资源：Hung-yi Lee课程相关PPT已经打包命名好了：链接：https://pan.baidu.com/s/1c3Jyh6S 密码：77u5我的第十二讲笔记：李宏毅机器学习2016 第十二讲 无监督学习：线性维数约减Unsupervised Learning：Neighbor Embedding1.流型学
线性回归模型中的多重共线性--Multicollinearity
热门推荐
Be patient! Think twice! Word harder!
09-15 1万+
1.
CNN 与 LSTM 模型复杂度分析
Be patient! Think twice! Word harder!
10-31 1万+
文章目录0.关于Neural Network 的复杂度1.CNN 模型复杂度2.LSTM 模型复杂度3.References Author: Cao Shengming Email: caoshengming@trio.ai Company: Trio 北京（三角兽）科技有限公司 0.关于Neural Network 的复杂度 NN 模型的复杂度一般可以从两个方面来刻画： 时间复杂度： 时间...
机器学习中的评价指标--1[F,P,R]
Be patient! Think twice! Word harder!
09-25 2720
机器学习中的评价指标--1[F,P,R]机器学习中的评价指标1.关于 P、R 值2.F值的计算3.其它4.参考5.附录 机器学习中的评价指标 关于这一部分，我将在遇到的时候，进行简要的说明和介绍，之讲解最重点的部分，其它的可以查阅相关文献和博主的文章。 1.关于 P、R 值 这应该是机器学习中最常用的两个统计量了，我们要计算它，无非就要计算混淆矩阵，最简化的版本是下面的4项版本。 Pre...
About "Model capacity"--有关模型容量的解释
Be patient! Think twice! Word harder!
08-20 2395
Model Capacity Simple Explanation This usually refers to the complexity of the underlying pattern that the neural network is able to learn. Usually going deep increases the capacity of the neural net...
Tensorflow 2.0实战：第二版《Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow》
首先，它引导读者理解机器学习的基础，包括监督学习、无监督学习以及强化学习的基本原理。然后，书中详细讲解了Scikit-Learn库，这是Python中最受欢迎的机器学习库之一，用于实现各种经典的机器学习算法，如线性回归...
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