15、无监督机器学习与人工智能：原理、应用与实践

无监督机器学习与人工智能：原理、应用与实践

1. 无监督机器学习方法概述

无监督机器学习主要用于聚类分析，下面将介绍几种常见的无监督学习算法。

1.1 分裂聚类（Divisive clustering）

分裂聚类的过程始于一个包含所有数据点的单一聚类，然后递归地将聚类划分为“子”聚类。例如，可以反复使用 k - 均值算法。不过，分裂聚类目前尚未得到充分研究。

1.2 自组织映射（Self - Organising Maps，SOM）

自组织映射，也称为 Kohonen 映射，是一种用于聚类的机器学习技术。它受大脑感官处理的启发，将相似的对象分组并映射到二维表面。

1.2.1 一般用途和应用

• 一般用途 ：对相似对象进行分组、降维、特征检测。
• 应用场景 ：文档分组、客户细分、犯罪水平分析、经济福祉评估、军事开支分析等。

1.2.2 SOM 原理和步骤

设数据由具有 m 个特征的 n 个观测值（对象）组成，目标是创建预定数量的聚类，并将它们排列在网格上，使相似的组彼此靠近。
以下是原型学习的步骤：
1. 初始化原型 ：例如，从给定输入中采样初始化原型 $p_k$。
2. 确定最佳匹配单元（BMU） ：为随机选择的 $x_t$ 确定具有坐标 $(a^ , b^ )$ 的 BMU，其中 t 是迭代变量。