无监督学习方法总结
发布日期:2021-07-01 03:25:14
浏览次数:3
分类:技术文章
本文共 823 字,大约阅读时间需要 2 分钟。
文章目录
1. 无监督学习方法的关系和特点
八种常用的统计机器学习方法:
- 聚类方法(层次聚类、k均值聚类)
- 奇异值分解(SVD)
- 主成分分析(PCA)
- 潜在语义分析(LSA)
- 概率潜在语义分析(PLSA)
- 马尔可夫链蒙特卡罗法(MCMC,包括Metropolis-Hastings算法、吉布斯抽样)
- 潜在狄利克雷分配(LDA)
- PageRank算法
三种常用的统计机器学习方法
,非负矩阵分解(NMF)、变分推理、幂法
1.1 各种方法之间的关系
1.2 无监督学习方法
聚类
有硬聚类和软聚类,层次聚类、k均值聚类是硬聚类
方法- 高斯混合模型是
软聚类
方法 - 层次聚类基于启发式算法,k均值聚类基于迭代算法,高斯混合模型学习通常基于EM算法
降维
有线性降维和非线性降维,PCA是线性降维方法。PCA基于SVD
话题分析
兼有聚类和降维特点,有非概率模型、概率模型- LSA、NMF是非概率模型,PLSA、LDA是概率模型
- PLSA不假设模型具有先验分布,学习基于极大似然估计
- LDA假设模型具有先验分布,学习基于贝叶斯学习,具体地后验概率估计
- LSA的学习基于SVD,NMF可以直接用于话题分析
- PLSA的学习基于EM算法
- LDA的学习基于吉布斯抽样或变分推理
图分析
的一个问题是链接分析,即结点的重要度计算- PageRank是链接分析的一个方法。PageRank通常基于幂法
1.3 基础机器学习方法
矩阵分解
基于不同假设:SVD基于正交假设,即分解得到的左右矩阵是正交矩阵,中间矩阵是非负对角矩阵非负矩阵分解
基于非负假设,即分解得到的左右矩阵皆是非负矩阵- 含有
隐变量
的概率模型的学习有两种方法:迭代计算方法、随机抽样方法 - EM算法 和 变分推理(包括变分EM算法)属于
迭代计算方法
- 吉布斯抽样 属于随机抽样方法
- 变分EM算法是EM算法的推广
- 矩阵的特征值与特征向量求解方法中,幂法是常用的算法
转载地址:https://michael.blog.csdn.net/article/details/105982531 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
逛到本站,mark一下
[***.202.152.39]2024年04月21日 14时34分50秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
1小时点击量破千万!阿里巴巴首发:MySQL高级调优笔记!全是技术重点
2019-05-02
这个GItHub上的Java项目开源了 2021最全的Java架构面试复习指南
2019-05-02
Proftpd MySQL [Step by Step]
2019-05-02
EFI Shell 命令参考
2019-05-02
HP-UX oracle RAC 双机实践
2019-05-02
解决SHELL脚本中的export无法生效的问题【转】
2019-05-02
linux中的sh脚本语法【转】
2019-05-02
区别数据结构中的堆栈与内存中的堆栈的个人总结【转】
2019-05-02
C++ 内联函数 (讲解的TM真好)【转】
2019-05-02
C++中的mutable关键字【转】
2019-05-02
c++中冒号(:)和双冒号(::)的用法【转】
2019-05-02
python中各种下划线的含义
2019-05-02
《计算机视觉-一种现代方法(第2版)》读书笔记三:早期视觉(一幅图像)
2019-05-02
《计算机视觉-一种现代方法(第2版)》读书笔记六:应用之图像搜索和检索
2019-05-02
如何撰写高水平的学术论文
2019-05-02
谭浩强《C++面向对象程序设计》知识点总结
2019-05-02
分享一个关于介绍TextCNN和TextRNN的文章
2019-05-02