非监督学习-聚类cluster
原始数据容易获得，但标注数据昂贵；降低存储/计算； 对高维数据降噪；对数据进行探索性分析（可视化）； 非监督学习通常可作为监督学习的预处理步骤。 发现数据中分组聚集的结构：根据数据中样本与样本之间的距离 或相似度，将样本划分为若干组／类／簇（cluster）。 划分的原则：簇内样本相似、簇间样本不相似 聚类的结果是产生一个簇的集合 模糊（Fuzzy）vs.非模糊的（non-fuzzy） l 在模糊
相关文章
- 1. 9、非监督学习--聚类算法
- 2. 无监督学习——聚类
- 3. 无监督学习----聚类
- 4. 非监督学习——层次聚类与密度聚类
- 5. 监督学习和非监督学习
- 6. 监督学习与非监督学习
- 7. 【机器学习】非监督学习初探—聚类
- 8. 机器学习——非监督学习——层次聚类（Hierarchical clustering）
- 9. 监督学习，非监督学习与半监督学习
- 10. 监督学习和非监督学习中的算法分类
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Kotlin学习（二）基本类型
- • Tomcat学习笔记（史上最全tomcat学习笔记）
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 9、非监督学习--聚类算法
- 2. 无监督学习——聚类
- 3. 无监督学习----聚类
- 4. 非监督学习——层次聚类与密度聚类
- 5. 监督学习和非监督学习
- 6. 监督学习与非监督学习
- 7. 【机器学习】非监督学习初探—聚类
- 8. 机器学习——非监督学习——层次聚类（Hierarchical clustering）
- 9. 监督学习，非监督学习与半监督学习
- 10. 监督学习和非监督学习中的算法分类