机器学习:无监督学习

文章目录

线性学习方法

聚类Clustering

Kmeans

随机选取K个中心,然后计算每个点与中心的距离,找最近的,然后更新中心点

HAC


如何觉得距离的个数跟kmeans不一样,切的地方不一样导致的数量会不一样。

分布表示

降维



PCA

特征先归一化,然后计算投影,选择最大的方差的



w 1 w_1 w1 与 w 2 w_2 w2是垂直的,后续也是找垂直于它们的 w 3 w_3 w3 ...看需要多少维。



w 1 w1 w1就是最大的特征向量。然后找下一个 w 2 w2 w2



基本的内容组成,直线,点,斜线,圆圈等。一个数字就能用这些进行表示:








在强度,生命力,攻击力等方面各有侧重





Matrix Factorization

元素之间有些相同的特点。

这些事情是没有人知道的。

有的是只有这种关系矩阵,如果基于这些关系推断出关系:

可以将这个进行矩阵分解,得到两个向量相乘,但是会存在那种缺失值的话,可以考虑使用梯度下降方法:

只考虑有定义的值。

就可以预测缺失的值,然后就能判断每个人对某个物体的喜好程度,填充:

该算法可以用于推荐系统。

可以考虑通过梯度下降算法硬解一下。

MF也可以用于主题分析,LSA


Manifold Learning

从立体变成2d

LLE





Laplacian Eigenmaps



t-SEN

coil-20数据

两个分布越接近越好,KL散度,对这个问题做梯度下降的。

这种相似度计算方式会维持原来的距离。

相关推荐
AI小云2 天前
【机器学习与实战】回归分析与预测:线性回归-03-损失函数与梯度下降
机器学习
L.fountain3 天前
机器学习shap分析案例
人工智能·机器学习
weixin_429630263 天前
机器学习-第一章
人工智能·机器学习
Cedric11133 天前
机器学习中的距离总结
人工智能·机器学习
寒月霜华3 天前
机器学习-数据标注
人工智能·机器学习
Godspeed Zhao3 天前
自动驾驶中的传感器技术46——Radar(7)
人工智能·机器学习·自动驾驶
limengshi1383923 天前
机器学习面试:请介绍几种常用的学习率衰减方式
人工智能·学习·机器学习
救救孩子把3 天前
2-机器学习与大模型开发数学教程-第0章 预备知识-0-2 数列与级数(收敛性、幂级数)
人工智能·数学·机器学习
蒋星熠3 天前
如何在Anaconda中配置你的CUDA & Pytorch & cuNN环境(2025最新教程)
开发语言·人工智能·pytorch·python·深度学习·机器学习·ai
Hcoco_me3 天前
什么是机器学习?
人工智能·机器学习