机器学习-(2):无监督学习

本文探讨了无监督学习的概念及其应用场景,介绍了如何通过数据中的变量关系推导结构,并提供了聚类和非聚类的具体实例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

无监督学习

无监督学习使我们能够很少或不知道我们的结果应该如何处理问题。 我们可以从数据中导出结构,我们不一定知道变量的影响。

我们可以通过基于数据中的变量之间的关系对数据进行聚类来导出该结构。

通过无监督的学习,基于预测结果没有反馈。

例:

聚类:收集100万个不同的基因,并找到一种自动将这些基因组合成不同变量(如生命周期,位置,作用等)相似或相关的组。

非聚类:“鸡尾酒会算法”,让您在混乱的环境中找到结构。 (即,从鸡尾酒会的声音网格中识别个体声音和音乐)。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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