1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别？ 分类与聚类：是把某个对象划分到某个具体的已经定义的类别当中，而聚类是把一些对象按照具体特征组织到若干个类别里。 虽然都是把某个对象划分到某个类别中，但是分类的类别是已经预定义的，而聚类操作时，某个对象所属的类别 却不是预定义的 ...
分类：
编程语言 时间：
2018-11-18 10:20:10
阅读次数：
238
1.理解分类与监督学习、聚类与无监督学习 1）、简述分类与聚类的联系与区别。 分类——分类是根据文本的特征或属性，划分到已有的类别中。也就是说，这些类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。 聚类——聚类是事先不知道数据会分为几类，通过分析将数 ...
分类：
编程语言 时间：
2018-11-18 10:17:44
阅读次数：
260
原文链接：https://riboseyim.github.io/2018/02/10/Machine Learning Algorithms/ 摘要 机器学习算法分类：监督学习、半监督学习、无监督学习、强化学习 基本的机器学习算法：线性回归、支持向量机(SVM)、最近邻居(KNN)、逻辑回归、决策 ...
分类：
编程语言 时间：
2018-11-15 12:02:21
阅读次数：
166
对基于深度神经网络的Auto Encoder用于异常检测的一些思考 from：https://my.oschina.net/u/1778239/blog/1861724 一、前言 现实中，大部分数据都是无标签的，人和动物多数情况下都是通过无监督学习获取概念，故而无监督学习拥有广阔的业务场景。举几个场 ...
分类：
Web程序 时间：
2018-11-14 14:30:20
阅读次数：
322
(1) 无监督和有监督算法的区别？ 有监督学习： 对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。 无监督学习： 对没有概念标记（分类）的训练样本进行学习，以发现训练样本集中的结构性知识。这里，所 ...
分类：
其他好文 时间：
2018-11-09 12:12:22
阅读次数：
220
为什么要降维？ 维数少可以使算法有更快的计算速度，减少机器内存占用等 多个特征携带的“信息”有相同或类似的情况（冗余） 用于数据可视化 如何降维？ 简单的例子，对于二位数据 可以找到一条线 将所有的数据映射到这条线上 然后用映射后的一维数据去代表二位数据 三维降维到二维的例子，假设数据如下 这时，表 ...
分类：
其他好文 时间：
2018-11-04 12:40:23
阅读次数：
183
聚类——无监督学习的一种算法 K-means算法 最为广泛使用的聚类算法 选择两个聚类中心 簇分配：根据每个样本更接近哪个聚类中心进行样本的分配 簇中心移动：计算出所有的红点类的均值点，移动原始聚类中心到这个点，蓝点类同理 进行不断地迭代直到收敛 输入：K个簇类和训练集样本数据 注意：不需要X0项， ...
分类：
系统相关 时间：
2018-10-30 13:52:09
阅读次数：
292
from：http://www.cnblogs.com/kemaswill/p/3266026.html 1. 多层神经网络存在的问题 常用的神经网络模型, 一般只包含输入层, 输出层和一个隐藏层： 理论上来说, 隐藏层越多, 模型的表达能力应该越强。但是, 当隐藏层数多于一层时, 如果我们使用随机 ...
分类：
Web程序 时间：
2018-10-30 11:22:16
阅读次数：
303
聚类分析 一、概念 聚类分析是按照个体的特征将他们分类，让同一个类别内的个体之间具有较高的相似度，不同类别之间具有较大的差异性 聚类分析属于无监督学习 聚类对象可以分为Q型聚类和R型聚类 Q型聚类：样本/记录聚类 以距离为相似性指标 （欧氏距离、欧氏平方距离、马氏距离、明式距离等） R型聚类：指标/ ...
分类：
其他好文 时间：
2018-10-27 15:24:01
阅读次数：
222
Lecture1 Introduction and Basic Concepts 一、机器学习定义 二、机器学习算法 - Supervised learning 监督学习 - Unsupervised learning 无监督学习 - Reinforcement learning 强化学习 - Re ...
分类：
其他好文 时间：
2018-10-26 19:44:44
阅读次数：
127
