机器学习——无监督学习

最新推荐文章于 2025-08-28 15:38:31 发布
原创 最新推荐文章于 2025-08-28 15:38:31 发布 · 1.8k 阅读 · 2 ·
CC 4.0 BY-SA版权
我们不生产知识，我们只是互联网的搬运工

本文全面介绍了机器学习领域的核心概念，包括有监督学习和无监督学习两大类。有监督学习部分详细探讨了回归、分类任务及各类模型如线性回归、逻辑回归、决策树、神经网络等；无监督学习部分则涵盖了数据降维、聚类、特征提取和无监督深度学习的多种技术，如PCA、t-SNE、k-均值聚类和自编码器等。

文章目录

一、有监督学习

1.1 目标

1.1.1回归

1.1.2分类

1.1.2.1 二分类
1.1.2.2 多分类

1.2 模型

1.2.1 线性模型

1.2.1.1 线性回归
1.2.1.2 逻辑回归

1.2.2 邻居模型

1.2.2.1 k-最近邻

1.2.3 树模型

1.2.3.1 决策树
1.2.3.2 随机森林
1.2.3.3 梯度提升

1.2.4 支持向量机

1.2.5 神经网络

二、无监督模型

2.1 数据降维

2.1.1 线性投影

2.1.1.1 主成分分析（PCA）
2.1.1.2 奇异值分解（SVD）
2.1.1.3 随机投影

2.1.2 流形学习

2.1.2.1 等度量映射（ISOMAP）
2.1.2.2 t 分布随机邻居嵌入（t-SNE）
2.1.2.3 字典学习

2.1.3 独立成分分析（ICA）

2.1.4 隐狄利克雷分布模型（LDA）

2.2 聚类

2.2.1 k-平均

2.2.2 层次聚类

2.2.3 基于密度聚类（DBSCAN）

2.3 特征提取

2.3.1 自编码器（Auto-encoder）

2.3 无监督深度学习

2.3.1 无监督预训练

2.3.1 受限玻尔兹曼机

2.3.2 深度置信网络

2.3.3 生成对抗网络

2.4 序列数据建模

22、机器学习中的随机森林、提升决策树及无监督学习方法
xgboost6farmer的博客
09-21 57
本文系统介绍了机器学习中的随机森林、提升决策树（BDT）及无监督学习方法。从决策树基础出发，详细阐述了随机森林通过集成降低方差的机制，以及AdaBoost和梯度提升树等提升方法如何迭代优化分类性能。同时涵盖了k-均值聚类和局部异常因子（LOF）等无监督学习技术在聚类与异常检测中的应用。结合多个示例对比不同算法在复杂数据分布下的表现，并提供了算法选择的决策流程与实际应用考虑因素，最后展望了算法集成化、与深度学习融合及自适应学习的发展趋势，为读者提供全面的机器学习方法论指导。
Python机器学习——无监督学习
su_best的博客
02-10 2776
一、Sklearn库标准数据集及基本功能 1、波士顿房价数据集 2、鸢尾花数据集 3、手写数字数据集 4、sklearn库的基本功能 ①分类任务 ②回归任务 ③聚类任务 ④降维任务 二、无监督学习 1、聚类 2、Sklearn vs. 聚类 3、sklearn.cluster 4、降维 5、分类 vs. 降维 6、sklearn vs. 降维 三、K-Means聚类算法 四、DBSCAN聚类算法 五、主成分分析（PCA） 六、NMF
机器学习无监督学习
谷哥的小弟
09-09 1140
无监督学习是一种数据挖掘技术，它允许机器通过观察数据来学习数据的内在结构和模式，而无需预先标注的输出变量。这种方法特别适用于数据探索和发现隐藏在数据中的信息。模式识别：算法能够识别数据中的模式，如相似性或关联性。聚类：将数据点分组，使得同一组内的数据点相似度高，不同组间的数据点相似度低。降维：在保留数据主要特征的同时，将高维数据投影到低维空间。异常检测：识别数据中的异常或离群点。
机器学习-无监督学习
博客
06-27 369
1 无监督学习 有标签的是监督学习，无标签的是非监督，当然还有中半监督 无监督学习算法可能会把这些数据分成两个不同的簇。所以叫做聚类算法 无监督学习会自动将数据分类 给它一堆水果 它可以分类出哪些是香蕉哪些是苹果榴莲 自动分类   2 应用 其中就有基因学的理解应用。一个DNA微观数据的例子。基本思想是输入一组不同个体，对其中的每个个体，你要分析出它们是否有一个特定的基...
【机器学习】机器学习重要方法——无监督学习：理论、算法与实践
Easonmax的博客
06-19 5633
无监督学习是一类无需标签数据，通过分析数据的内在结构和模式来完成学习任务的机器学习方法。与监督学习不同，无监督学习不依赖于标注数据，而是通过数据本身的分布和特征来进行建模。
聊聊机器学习中的无监督学习
weixin_30741653的博客
11-02 592
机器学习分为监督式机器学习、无监督式机器学习和半监督式机器学习。其划分的标准是训练样本是否包含人为标注的结果。(1)监督式机器学习：从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出，也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。(2)无监督式机器学习：与监督学习相比，训练集没有人...
【Machine Learning 系列】一文带你详解什么是无监督学习(Unsupervised Learning)
热门推荐
陈橘又青的博客
07-18 1万+
无监督学习在聚类、降维和关联规则挖掘等问题上有广泛应用，为我们理解数据和解决实际问题提供了有力的工具和方法。随着数据规模的不断增大和应用场景的不断扩展，无监督学习将在各个领域发挥越来越重要的作用。
机器学习：无监督学习
weixin_43597208的博客
05-15 1328
所谓无监督学习，是指利用无标签的数据学习数据的分布或者数据之间的关系；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，你无法提前知道结果是什么。监督学习需要给数据打标签；而无监督学习不需要给数据打标签。监督学习由于目标明确，所以可以衡量效果；而无监督学习几乎无法量化效果如何。
机器学习经典无监督算法——聚类K-Means算法
m0_69045813的博客
01-17 1581
机器学习无监督学习算法之K-Means
机器学习实战项目——无监督聚类&PCA tSNE降维.zip
04-11
在本机器学习实战项目中，我们将探讨两种关键的无监督学习方法：聚类与主成分分析（PCA），以及t-distributed Stochastic Neighbor Embedding（t-SNE）降维技术。这些技术在数据科学领域有着广泛的应用，特别是对于...
Python 机器学习实战 —— 无监督学习（上）
风尘浪子
12-07 3081
无监督学习顾名思义数据中不包含已知的输出结果，学习算法中只有输入数据，算法需要从这些输入数据中提取相关规律。 无监督学习主要分为两种类型：数据集变换与聚类算法，数据集的无监督变换是创建数据集的新的表达方式，使其特性更容易理解，最常见的模型有 PCA、NMF、t-SNE 等模型。聚类算法则是将数据划分成不同的组.
机器学习简介——监督学习、无监督学习
06-04
机器学习入门的可以看一看，作者呕心沥血整理的资源，学习的可以看一看，里面包括机器学习历年来的发展，机器学习的分支，传统机器学习算法和无监督学习，监督学习和强化学习相关定义等等
机器学习之无监督学习
WindWant
03-06 2263
无监督学习（Unsupervised Learning）是机器学习的一个重要分支，其特点是在训练过程中不使用标签数据。与有监督学习不同，无监督学习的目标是从未标记的数据中发现隐藏的结构、模式或关系。将数据划分为若干个组（簇），使得同一组内的数据点相似，而不同组之间的数据点差异较大。PCA 是一种线性降维方法，通过投影到方差最大的方向来保留数据的主要特征。将高维数据映射到低维空间，同时保留数据的主要特征。无监督学习的结果通常难以解释，尤其是在高维数据或复杂模型中。通过聚类和降维，发现数据中的潜在结构和模式。
【机器学习应用】机器学习之无监督学习
博客标题不能为空我也没办法
07-13 1万+
无监督学习
【机器学习】机器学习重要方法 —— 无监督学习：理论、算法与实践
最新发布
2501_91624122的博客
08-28 1059
无监督学习是机器学习的重要分支，其核心特点是不依赖标注数据，通过自主挖掘数据内在结构和规律实现聚类、降维等任务。本文系统介绍了无监督学习的理论基础、核心算法和实践应用。理论部分重点阐释了无监督学习与监督学习的区别、关键假设；算法部分详细讲解了K-Means、DBSCAN等聚类算法和PCA、t-SNE等降维算法的原理及适用场景；实践部分通过Python代码演示了鸢尾花数据集的聚类与降维过程。文章还提供了常见问题解决方法，并建议进一步学习层次聚类、GAN等进阶内容。全文为无监督学习入门者提供了全面而实用的学习指
机器学习算法 无监督学习 算法
ClarkChang的博客
06-26 6764
本文介绍无监督学习算法： 聚类算法 Apriori算法 FP-growth 算法 1 聚类算法 2 Apriori算法 3 FP-growth 算法
Python 机器学习实战 —— 无监督学习（下）
风尘浪子
12-16 2055
本文将对聚类算法进行讲解，聚类算法就是将数据集划分成组的任务，这些组叫成簇，同一个簇内的数据点特征非常相似，不同簇内的数据点特征区别很大，这点与监督学习中的分类算法很类似，运行完成后系统会为同一簇内的数据分配同一个数字，不同簇的数字都不一样。常见的聚类模型有 KMeans、DBSCAN、GMM 、Agglomerative等，下面将一一介绍。
机器学习：什么是无监督学习(Unsupervised Learning)？
weixin_40413961的博客
03-08 1万+
概念 上一片文章我们了解了监督学习，监督学习是一种目的明确的训练方式，通过已知因素和已知的结果，通过机器训练，是机器能学会通过已知因素得到未知的结果。而无监督学习是通过给未知的数据，进行分类，也许你就会问了，我都不知道有什么规律，我怎么区分类呢？这就是用到算法模型了。 wiki：无监督学习（英语：unsupervised learning）是机器学习的一种方法，没有给定事先标记过的训练示例，自动对输入的资料进行分类或分群。无监督学习的主要运用包含：聚类分析（cluster analysis）、关系规则（a
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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

打赏作者

颹蕭蕭

白嫖？

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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