赞
踩
无监督学习是机器学习的一种方法,其中算法没有被给予任何人为的目标或标签。相反,它使用数据本身来发现数据之间的关系,并尝试将数据分成不同的组。这种方法通常用于发现数据中隐藏的结构或模式。与监督学习不同,非监督学习不需要人为标记的正确答案来训练模型,因此它通常被用于聚类(clustering)或降维(dimensionality reduction)任务。
下面给出一些示例与实现方法:
K-Means
Hierarchical Clustering
Expectation Maximization (EM)
Self-Organizing Maps (SOM)
Locally Linear Embedding (LLE)
t-Distributed Stochastic Neighbor Embedding (t-
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。