李宏毅老师课程：Unsupervised Learning:Introduction

最新推荐文章于 2024-06-15 01:26:43 发布
原创 最新推荐文章于 2024-06-15 01:26:43 发布 · 341 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨无监督学习两大核心——聚类与降维。通过层次聚类（HAC）实现数据简化，介绍如何通过降维技术如PCA，将高维数据转化为低维表示，提升数据处理效率。

无监督学习：介绍

Overview

无监督学习(Unsupervised Learning)可以分为两种：

  • 化繁为简：
    聚类(Clustering)
    降维(Dimension Reduction)
  • 无中生有(Generation)
    在这里插入图片描述

Clustering

Introduction

聚类就是把相近的样本划分为同一类，比如对下面这些没有标签的image进行分类，手动打上cluster 1、cluster 2、cluster 3的标签，这个分类过程就是化繁为简的过程
在这里插入图片描述

HAC（层次聚类）

假设现在我们有5个样本点，想要做clustering：

  • build a tree:
    整个过程类似建立Huffman Tree，只不过Huffman是依据词频，而HAC是依据相似度建树
    • 对5个样本点两两计算相似度，挑出最相似的一对，比如样本点1和2
    • 将样本点1和2进行merge (可以对两个vector取平均)，生成代表这两个样本点的新结点
    • 此时只剩下4个结点，再重复上述步骤进行样本点的合并，直到只剩下一个root结点
  • pick a threshold：
    选取阈值，形象来说
最低0.47元/天 解锁文章
李宏毅老师课程：Unsupervised Learning - Word Embedding
APythonC的博客
08-14 450
词嵌入：word embeddingIntroductionWord EmbeddingCount basedPrediction basedSharing ParametersTrainingVarious Architectures（各种架构）Result Introduction 用vector来表示一个word，最传统的做法是1-of-N Encoding，可以把有同样性质的word进行聚类，划分成多个class，然后用word所属的class来表示这个word，最后把每一个word都投影到高维空间
c++矩阵类_一文看懂无监督学习（基本概念+使用场景+2类典型算法）
weixin_39600510的博客
11-23 447
无监督学习是机器学习领域内的一种学习方式。本文将给大家解释他的基本概念，告诉大家无监督学习可以用用到哪些具体场景中。最后给大家举例说明2类无监督学习的思维：聚类、降维。以及具体的4种算法。什么是无监督学习？无监督学习是机器学习中的一种训练方式/学习方式：下面通过跟监督学习的对比来理解无监督学习：监督学习是一种目的明确的训练方式，你知道得到的是什么；而无监督学习则是没有明确目的的训练方式，你无法提前...
[李宏毅-机器学习]无监督学习 unsupervised learning
炼丹师
02-14 1395
Clustering 聚类 K-means Hierarchical Agglomerative Clustering Dimension Reduction 降维 PCA 找到一个方向w1，使得数据x投影在这个方向上，方差最大，这样在这个维度上还可以轻易区分各个数据z1 当需要投影到多维的时候，再找一个方向w2，使得x投影在这上方差最大，其中w2和w1是垂直的 ...
李宏毅unsupervised learning-Neighbor Embedding 课堂笔记
aian8769的博客
09-12 200
凭借的是降维前的空间中，每一个点和它的邻居之间的关系进行降维。 也叫流形学习Manifold Learning。 那个点离黄色点更远还是离红色点更远呢，表面上好像黄色点更远，但是按照形状其实红色更远，就像要降维之后再观察 方法一：局部线性嵌入（LLE） LLE目的也是降维，第一步找出wij K不能太大也不能太小。 方法二：Laplacian Eige...
李宏毅老师课程：Unsupervised Learning: PCA
APythonC的博客
09-04 566
无监督学习：PCAPCAFormulaDecorrelationAnother Point of ViewWeakness of PCAPCA for PokemonPCA for MNISTPCA for Face PCA 如果reduce to 1D，我们使用z1=w1∗xz_1=w^1*xz1​=w1∗x，使得xxx投影到w1w^1w1上，即达到了降维的目的，那么我们如何来评价降维的好坏呢？ 我们可以使用降维之后数据的variance来评价，variance越大越好 如果reduce to 2D，那
2020李宏毅学习笔记——11.Unsupervised Learning： Linear Methods（无监督学习）
weixin_44790306的博客
07-04 1180
文章目录摘要1. Introduction（介绍）2.Clustering（聚类）2.1 K-means2.2 HAC3. Dimension Reduction（降维）3.1 How to do Dimension Reduction？3.2 Principle component analysis(PCA)3.2.1 PCA for 1-D 摘要 1. Introduction（介绍） 无监督学习可以分为两大类： 第一类：化繁为简 聚类(Clustering) 降维(Dimension Reduc
【李宏毅机器学习笔记】 12、Unsupervised Learning - Linear Methods
ACL_lihan的博客
02-23 792
【李宏毅机器学习笔记】1、回归问题（Regression） 【李宏毅机器学习笔记】2、error产生自哪里？ 【李宏毅机器学习笔记】3、gradient descent 【李宏毅机器学习笔记】4、Classification 【李宏毅机器学习笔记】5、Logistic Regression 【李宏毅机器学习笔记】6、简短介绍Deep Learning 【李宏毅机器学习笔记】7、反向传播...
机器学习-李宏毅-Lecture0-Introduction课程笔记
兰陵鸡王的博客
01-02 314
链接 video pdf AI ML DL关系 人工智能（AI）是我们要追求的目标。 机器学习（ML）是使用的手段，指机器通过学习可以和人一样聪明。 而深度学习（DL）是机器学习中的一种方法，指很多层网络叠加起来。 如下图所示。 Why ML？ 使用规则可以解决一部分问题，但是难以考虑到所有的情况，永远无法超越创造者，没有freestyle。 What is ML? 机器学习其实所做的就是寻找一...
Unsupervised Learning
weixin_43777451的博客
01-22 385
Unsupervised Learning Unsupervised learning allows us to approach problems with little or no idea what our results should look like. We can derive structure from data where we don’t necessarily know t...
机器学习 -- Unsupervised Learning: Principle Component Analysis
01-30
Unsupervised Learning: Principle Component Analysis Dimension Reduction Clustering Distributed Representation PCA PCA – Another Point of View
Unsupervised Learning（无监督学习）
长路漫漫亦灿灿
06-13 1862
无监督学习，聚类，主成分分析（PCA），降维，矩阵分解
13、【李宏毅机器学习（2017）】Unsupervised Learning: Linear Dimension Reduction（无监督学习：线性降维）
Jimmyzqb的博客
08-29 4378
在前面的博客中介绍了监督学习和半监督学习，本篇博客将开始介绍无监督学习。 目录 无监督学习介绍 监督学习、半监督学习、无监督学习 无监督学习的用处 聚类（Clustering） K均值聚类 Hierarchical Agglomerative Clustering (HAC) 降维（ Dimension Reduction） Feature selection Principl...
无监督学习 (Unsupervised Learning)
最新发布
AI天才研究院
06-15 629
无监督学习 (Unsupervised Learning) 1. 背景介绍 无监督学习是机器学习中一种重要的范式,与有监督学习和强化学习不同,无监督学习不需要人工标注的训练数据,而是直接从原始数据中自动发现数据内在的模式和结构。无监督学习在许多领域都有广泛的应用,如聚
Unsupervised Learning 无监督学习
Andy的博客
03-22 422
无监督学习（Unsupervised Learning）吴恩达老师课程笔记
qq_71173859的博客
01-05 1148
看完上面的例子，我们应该是对无监督学习有一点点想法了。它为什么叫无监督学习？那是因为我们不需要给算法一些正确的输入和输出，去监督运行过程，我们做的事情是把我们已知的东西丢给算法，让算法自己去找这些东西有什么好玩的有意思的地方，或者这些数据中可能有什么模式或者结构。structure聚类算法（clustering algorithm）是将没有标签的数据自动分组，放入不同的集群中( group similar data points together)
无监督学习Unsupervised learning
wulimmya的博客
04-14 1079
文章目录机器学习三大分支：有监督学习，无监督学习，强化学习无监督学习对输入的无标签数据的先验概率密度进行建模有监督学习试图推断出条件概率密度PX(x∣y)P_X(x|y)PX​(x∣y)无监督学习试图推断输入数据的先验概率分布PX(x)P_X(x)PX​(x)无监督学习的两种主要方法：PCA和聚类PCA（主成分分析）自编码器：以无监督方式学习数据编码的神经网络，被称为非线性PCA聚类分析无监督学习...
李宏毅2020课程：深度学习在语言处理中的应用
资源摘要信息:"《深度学习与人类语言处理》是由李宏毅老师在2020年开设的课程，该课程的PPT资源已得到李老师的许可供公众学习使用。课程内容大致均衡地涵盖了文字处理和语音处理两个方面，并特别关注了近3年来在此...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值