建平县网站建设,接网站开发项目平台,wordpress识别环境的文件夹,网站帮助文章目录1. 无监督学习方法的关系和特点1.1 各种方法之间的关系1.2 无监督学习方法1.3 基础机器学习方法1. 无监督学习方法的关系和特点
八种常用的统计机器学习方法#xff1a;
聚类方法#xff08;层次聚类、k均值聚类#xff09;奇异值分解#xff08;SVD#xff09;…
文章目录1. 无监督学习方法的关系和特点1.1 各种方法之间的关系1.2 无监督学习方法1.3 基础机器学习方法1. 无监督学习方法的关系和特点
八种常用的统计机器学习方法
聚类方法层次聚类、k均值聚类奇异值分解SVD主成分分析PCA潜在语义分析LSA概率潜在语义分析PLSA马尔可夫链蒙特卡罗法MCMC包括Metropolis-Hastings算法、吉布斯抽样潜在狄利克雷分配LDAPageRank算法
三种常用的统计机器学习方法非负矩阵分解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、图分析
1.1 各种方法之间的关系 1.2 无监督学习方法
聚类有硬聚类和软聚类层次聚类、k均值聚类是硬聚类方法高斯混合模型是软聚类方法层次聚类基于启发式算法k均值聚类基于迭代算法高斯混合模型学习通常基于EM算法 降维有线性降维和非线性降维PCA是线性降维方法。PCA基于SVD 话题分析兼有聚类和降维特点有非概率模型、概率模型LSA、NMF是非概率模型PLSA、LDA是概率模型PLSA不假设模型具有先验分布学习基于极大似然估计LDA假设模型具有先验分布学习基于贝叶斯学习具体地后验概率估计LSA的学习基于SVDNMF可以直接用于话题分析PLSA的学习基于EM算法LDA的学习基于吉布斯抽样或变分推理 图分析的一个问题是链接分析即结点的重要度计算PageRank是链接分析的一个方法。PageRank通常基于幂法 1.3 基础机器学习方法
矩阵分解基于不同假设SVD基于正交假设即分解得到的左右矩阵是正交矩阵中间矩阵是非负对角矩阵非负矩阵分解基于非负假设即分解得到的左右矩阵皆是非负矩阵含有隐变量的概率模型的学习有两种方法迭代计算方法、随机抽样方法EM算法 和 变分推理包括变分EM算法属于迭代计算方法吉布斯抽样 属于随机抽样方法变分EM算法是EM算法的推广矩阵的特征值与特征向量求解方法中幂法是常用的算法
