李航-《统计学习方法》记录 （一）

无监督学习

1 无监督学习概率

基本原理：本质是数据的压缩，如果以列为样本个数，行为样本的每个特征维度。
列的压缩为聚类。行的压缩为降维。行和列同时的操作为概率模型估计。
基本问题 ：
1 聚类
硬聚类 软聚类 co-clustering 通常给定类别数
2 降维
流形 欧式空间 通常给定维度
3 概率模型估计
学习概率模型的参数结构

机器学习三要素：模型 策略 算法
无监督学习方法：
聚类：层次聚类（聚合法、分裂法）、K-Means聚类、Mean-Shift聚类、DBSCAN聚类、高斯模型+EM算法聚类、Nomolized Cut聚类… co-clustering
降维：线性降维 非线性降维
话题分析：LDA
图分析：PageRank

2 聚类方法

层次聚类（聚合法、分裂法）、K-Means聚类、Mean-Shift聚类、DBSCAN聚类、高斯模型+EM、co-clustering
链接: 详细讲解.