《统计学习方法》（第十三章）——无监督学习概论

最新推荐文章于 2025-06-24 09:49:08 发布
原创 最新推荐文章于 2025-06-24 09:49:08 发布 · 576 阅读 · 1 ·
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。

本文深入探讨了无监督学习的基本原理，包括聚类、降维和概率模型估计等核心方法，旨在从无标注数据中发现内在结构和统计规律。文章还介绍了机器学习的三要素：模型、策略和算法，并讨论了无监督学习在话题分析和图分析中的应用。

无监督学习概论

无监督学习的基本原理

   无监督学习是从无标注的数据中学习数据的统计规律或者说内在的结构的机器学习，主要包括聚类，降维，概率估计。无监督学习可以用与数据分析或监督学习的前处理
X=[x11....x1N..........xM1....xMN]X=\begin{bmatrix} x_{11} & .... &x_{1N} \\ ... & .... &... \\ x_{M1} & .... &x_{MN} \end{bmatrix}X=⎣⎡​

最低0.47元/天 解锁文章
《统计学习方法第二版》学习笔记1——概论
sd3145265的博客
09-07 1132
第1章 统计学习及监督学习概率论 目录第1章 统计学习及监督学习概率论前言1 理论部分1.1 统计学习1.2 统计学习的分类1.3 统计学习方法三要素1.4 模型评估与模型选择1.5 正则化与交叉验证1.6 泛化能力1.7 生成模型与判别模型1.8 监督学习应用 前言 本文主要参考资料： 《统计学习方法》第二版 李航 《统计学习方法》第二版PPT 袁春 这次学习笔记主要记录《统计学习方法》的一些重要知识点及其拓展、相关代码实现和一些思考，起因是我们可爱美丽的V同学发动的组队学习打卡活动。本人并非计
模式识别与机器学习·第一章——概论
qq_34734252的博客
07-11 1302
模式识别与机器学习·第一章——概论开篇模式识别模式识别机器学习研究目的发展历史模式识别简史机器学习简史系统方法系统目标假说的获得系统的构成小结 开篇 这系列博客主要用来回忆研一的模式识别与机器学习课程的相关内容，大概有十几篇吧，估计需要一个很长的周期来整理，整完的部分目录如下，我也会逐步添加： 第一章·概论 第二章· 模式识别 模式 模式识别，目标对象自然是模式了，课程给出的模式定义如下： ...
《统计学习方法》代码全解析——第十三部分无监督学习概论
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
05-25 515
1.机器学习或统计学习一般包括监督学习、无监督学习、强化学习。 无监督学习是指从无标注数据中学习模型的机器学习问题。无标注数据是自然得到的数据，模型表示数据的类别、转换或概率无监督学习的本质是学习数据中的统计规律或潜在结构，主要包括聚类、降维、概率估计。 2.无监督学习可以用于对已有数据的分析，也可以用于对未来数据的预测。学习得到的模型有函数 ????＝????(????) z＝g(x) ，条件概率分布 ????(????|????) P(z|x) ，或条件概率分布 ????(????|????) P(x|
[Read]XXI00143《统计学习方法》第12章 监督学习方法总结 第13章 无监督学习概论
六半
09-16 443
李航老师的书已经看完过半了 第12章 监督学习方法总结 第13章 无监督学习概论
统计学习 无监督学习聚类
一只老风铃
01-01 393
【无监督学习】 概念 类别 监督学习 给定{Xi,Yi} i=1,2....学习输入特征X与输出Y之间的函数关系 分类、回归、排序 无监督学习 给定{Xi} i=1,2....寻找数据集的内部结构 聚类、概率密度估计、可视化 为什么需要无监督学习？ 原始数据容易获取，但标注数据的代价大 降低数据存储和计算 高纬降噪 数据进行探索性...
统计学习方法 -无监督学习概论
waywardG的博客
01-23 1185
一 无监督学习概论 使用无标注数据 学习或训练，由特征向量组成 无监督学习的模型是函数 ，条件概率分布 假设训练数据集由N个样本组成，每个样本是一个M维向量。训练数据可以由一个矩阵表示，每一行对应一个特征，每一列对应一个样本 无监督学习的基本想法是对给定数据（矩阵数据）进行某种“压缩”，从而找到数 据的潜在结构。假定损失最小的压缩得到的结果就是最本质的结构 考虑发掘数据的纵向结构，把相似的样本聚到同类，即对数据进行聚类 考虑发掘数据的横向结构，把高维空间的向量转换为低维空间..
原型方法和最近邻 ——统计学习方法 第十三章
qq7835144的博客
12-18 742
原型方法和最近邻 ——统计学习方法 第十三章原型方法和最近邻 ——统计学习方法 第十三章原型方法K-均值聚类学习向量量化(Learning Vector Quantization, LVQ)高斯混合 ——统计学习方法 第十三章) 原型方法和最近邻 ——统计学习方法 第十三章 本博客是一篇读书笔记。笔者一边以原书原文进行记录，一边辅以自己对一些要点的理解。 原型方法 K-均值聚类 K-均之聚类是一种...
《统计学习方法》第2版第13章无监督学习概论课件
李航老师在其经典著作《统计学习方法》第2版的第13章“无监督学习概论”课件中，系统性地阐述了无监督学习的基本概念、主要任务、典型模型以及评估方法，为读者构建了一个完整而清晰的知识框架。本知识点将围绕该...
电信保温杯笔记——《统计学习方法（第二版）——李航》（持续更新）
sinat_39448069的博客
01-16 1274
《统计学习方法（第二版）——李航》 笔记第2章感知机 第2章感知机
复现经典：《统计学习方法》第22章 无监督学习方法总结
fengdu78的博客
06-09 624
第22章 无监督学习方法总结本文是李航老师的《统计学习方法》一书的代码复现。作者：黄海广备注：代码都可以在github中下载。我将陆续将代码发布在公众号“机器学习初学者”，可以在这个专辑...
无监督学习概论
Michael是个半路程序员
04-07 3263
文章目录1. 无监督学习基本原理2. 基本问题2.1 聚类 Clustering2.2 降维 Dimensionality Reduction2.3 概率模型估计3. 机器学习三要素4. 无监督学习方法4.1 聚类4.2 降维4.3 话题分析4.4 图分析 1. 无监督学习基本原理 机器学习或统计学习一般包括监督学习、无监督学习、强化学习 无监督学习：从无标注数据中学习模型的机器学习问题 无标注...
无监督学习概览
最新发布
MzKyle的博客
06-24 1514
无监督学习是机器学习的三大范式之一（另外两种为监督学习和强化学习），其核心特点是**处理未标注数据**，通过算法自动发现数据中的隐藏结构、模式或内在规律。
模式识别概论（4）无监督学习
m0_37578088的博客
06-11 641
1，K-means算法（1）从所有的N个训练数据中选取K个数据作为初始的聚类中心。（2）计算所有样本与每个中心的距离，并按照距离最小的原则进行类别分配。 （3）用每类中新的数据重新计算聚类中心。 （4）不断重复步骤（2）-（3）进行迭代，直到满足终止条件为止。 最小化代价函数：J = ΣΣ（xij - cj)^2，第一个Σ是对所有样本求和，第二个Σ是每个样本对所有聚类中心的距离求和，i代表样本序号...
统计学习方法 -无监督学习（一）
waywardG的博客
01-24 317
1 主成分分析（PCA） -当今最广泛的降维技术 目录 1 主成分分析（PCA） -当今最广泛的降维技术 一 引言 二 PCA 步骤 1 协方差 2 特征向量 3 正交化 4 标准正交化 5 特征值 三 PCA 的应用 一 引言 为了有效处理高维数据，我们必须有一套技术将维度降至可处理水平，降维的优势包括 可以在二维空间对多维数据进行可视化、用最少的特征描述数据集所包含的信息，以及在某些情况下识别模型向量的共线性 在机器学习中，共线性是指模型特征共...
[Read]XXI00152《统计学习方法》第22章 无监督学习方法总结 和 附录 笔记
六半
09-26 329
第22章 无监督学习方法的总结 附录A 梯度下降法 附录B 牛顿法和拟牛顿法 附录C 拉格朗日对偶性 附录D 矩阵的基本子空间 附录E KL散度的定义和狄利克雷分布的性质 ...
《统计学习方法》 第二十二章 无监督学习方法总结
小鹏AI
11-28 317
马尔可夫链蒙特卡罗法（CMC，包括 Metropolis-Hastings-算法和吉布斯抽样）、潜在狄利克雷分配（LDA）、 PageRank算法。即非负矩阵分解（NMF）变分推理、幂法。这些方法通常用于无监督学习的聚类、降维、话题分析以及图分析。聚类方法（包括层次聚类与k均值聚类）、奇异值分解（SVD）、主成分分析（PCA）、无监督学习方法。无监潜在语义分析（LSA）、概率潜在语义分析（PLSA）此外，还简单介绍了另外三种常用的统计机器学习方法。八种常用的统计机器学习方法，即。
【学习笔记】统计学习方法——无监督学习概论
weixin_43869610的博客
10-27 749
无监督学习的基本原理   无监督学习是从无标注的数据中学习数据的统计规律或者说内在结构的机器学习，主要包括聚类、降维、概率估计。无监督学习可以用于数据分析或者监督学习的前处理。   无监督学习使用无标注数据 U={x1,x2,⋯ ,xN}U=\left\{x_{1}, x_{2}, \cdots, x_{N}\right\}U={x1​,x2​,⋯,xN​} 学习或训练，其中 xi,i=x_{i}, i=xi​,i= 1,2,⋯ ,N,1,2, \cdots, N,1,2,⋯,N, 是样本 (实例)，由特征
初学python金融书推荐-Python从入门到做金融｜数据分析书籍推荐
weixin_39790528的博客
11-11 789
Hello�，今天想和大家推荐几本Python书籍。无论你是刚准备入门的小白，还是已经有一些基础正在准备进阶训练；无论你是在自学，还是已经报名网课学习；无论你打算从事金融行业，还是打算在科技公司或是其他行业做数据分析，这几本书都会是你的良师益友�.�我置顶的笔记（图2⃣️）介绍到了廖雪峰老师的网站，这里就不赘述啦.��入门篇（任选一本即可）✅Python学习手册这本书对于每一个概念都讲解得特别详细...
机器学习（吴恩达）-1 概论、监督学习与无监督学习——学习笔记
Rhiney_97的博客
03-06 376
机器学习（Machine Learning）是从人工智能（AI）中发展出来的一个领域，机器学习的几个比较重要的应用有： 数据挖掘（Database mining） 我们无法手动编写的程序（Application can't by hand）（如自然语言处理、计算机视觉、直升机自动驾驶） 量身定制的程序（self-customizing programs）（网易云音乐的喜好推荐） 理解人类的...
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