聚类分析是一种非监督的学习，分类是一种监督学习，就是用已经知道的类别的训练数据得到一个分类的模型，所以聚类与分类的主要区别在于是否需要预先定义好类别，也就是说聚类分析只是依靠数据本身来确定数据之间的关系的，所以聚类分析有很大的优越性特别是适合处理大量的原始的数据聚类分析方法的性能指标：1.可扩展性，...
分类：
其他好文 时间：
2015-10-06 18:05:13
阅读次数：
178
在机器学习中，分类器作用是在标记好类别的训练数据基础上判断一个新的观察样本所属的类别。分类器依据学习的方式可以分为非监督学习和监督学习。非监督学习顾名思义指的是给予分类器学习的样本但没有相对应类别标签，主要是寻找未标记数据中的隐藏结构。，监督学习通过标记的训练数据推断出分类函数，分类函数可以用来.....
分类：
其他好文 时间：
2015-08-30 00:39:49
阅读次数：
169
统计学习由监督学习（supervised learning）、非监督学习（unsupervised learning）、半监督学习（semi-supervised learning）和强化学习（reinforcement learning）组成。统计学习方法包括模型的假设空间、模型的选择准则以及模型学习的算法，称其为统计学习方法的三要素：模型（model）、策略（strategy）和算法（algor...
分类：
其他好文 时间：
2015-08-28 13:13:39
阅读次数：
151
1981年芬兰 Helsink 大学的 T·Kohonen 教授提出一种自组织特征映射网 （Self-Organizing Feature Map ， SOFM ）， 又称 Kohonen 网 。 Kohonen 认为 ，一个神经网络接受外界输入模式时， 将会分为不同的对应区域， 各区域对输入模式具有不同的响应特征，而且这个过程是自动完成的。 自组织特征映射正是根据这一看法提出来的 ，其特点与人脑...
分类：
其他好文 时间：
2015-08-14 21:28:28
阅读次数：
688
使用 Iso 聚类工具和最大似然法分类工具对一系列输入栅格波段执行非监督分类。...
分类：
其他好文 时间：
2015-07-20 16:46:45
阅读次数：
163
分类的目的是将研究区域内的每个像元分配给一个已知类（监督分类）或一个聚类（非监督分类）。在这两种情况下，分类的输入是一个包含每个类或聚类的多元统计信息的特征文件。每次分类的结果都是将地图中的研究区域划分为若干类，其中一些已知类与训练样本对应，而另一些自然产生的类则与通过聚类定义的聚类对应。将位置划分为若干个与聚类对应的自然产生的类的过程也被称为层化。...
分类：
其他好文 时间：
2015-07-13 18:39:13
阅读次数：
117
主要分享了Coursera 机器学习相关课程材料，包括练习题与我的Matlab解答。 课程涉及技术：梯度下降、线性回归、监督/非监督学习、分类/逻辑回归、正则化、神经网络、梯度检验/数值计算、模型选择/诊断、学习曲线、评估度量、SVM、K-Means聚类、PCA、Map Reduce & Data ...
分类：
系统相关 时间：
2015-07-11 06:41:10
阅读次数：
442
以下是摘抄自知乎上对监督学习与非监督学习的总结，觉得写得很形象，于是记下：这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习首先看什么是学习（learning）？一个成语就可概括：举一反三。此处以高...
分类：
其他好文 时间：
2015-07-07 16:20:09
阅读次数：
196
利用模拟退火提高Kmeans的聚类精度Kmeans算法是一种非监督聚类算法，由于原理简单而在业界被广泛使用，一般在实践中遇到聚类问题往往会优先使用Kmeans尝试一把看看结果。本人在工作中对Kmeans有过多次实践，进行过用户行为聚类（MapReduce版本）、图像聚类（MPI版本）等。然而在实践中...
分类：
其他好文 时间：
2015-06-30 21:35:45
阅读次数：
151
http://www.cnblogs.com/LBSer/p/4605904.html Kmeans算法是一种非监督聚类算法，由于原理简单而在业界被广泛使用，一般在实践中遇到聚类问题往往会优先使用Kmeans尝试一把看看结果。本人在工作中对Kmeans有过多次实践，进行过用户行为聚类（MapR...
分类：
其他好文 时间：
2015-06-28 18:48:53
阅读次数：
178
