1.2：无监督学习导学

标签：学习   width   oss   classes   算法   矩阵   聚类算法   ase   reset   

无监督学习的目标：

利用无标签的数据学习数据的分部或数据与数据之间的关系被称作无监督学习。

无监督学习最常应用的场景是聚类和降维。

聚类 （sklearn.cluster模块）

定义

1. 聚类(clustering)，就是根据数据的“相似性”将数据分为多类的过程。
2. 评估两个不同样本之间的“相似性” ，通常使用的方法就是计算两个样本之间的“距离”。使用不同的方法计算样本间的距离会关系到聚类结果的好坏。
3. 什么样的数据是相似的，如何定义相似性，是很多机器学习任务的基本问题。

常用距离计算方法

?

?

 s:协方差矩阵

马氏距离：红黑>绿黑

欧氏距离：红黑<绿

sklearn.cluster模块输入数据形式

降维（sklearn.decomposition模块）

定义

• 数据的可视化
• 精简数据（提高其它机器学习算法效率）

聚类 vs.降维

 

 

1.2：无监督学习导学

标签：学习   width   oss   classes   算法   矩阵   聚类算法   ase   reset   

原文地址：https://www.cnblogs.com/nishida-rin/p/12253609.html