学习资料：吴恩达机器学习课程 一. K-means算法 1. 算法思想 K-均值算法是无监督学习中聚类算法中的一个 初始化k个聚类中心 循环： 将每个训练样本归类到最近的聚类中心组成一个个聚类 移动聚类中心到本身聚类的中心(平均值 ...

监督学习（Unsupervised learning）最典型的就是聚类，事先不知道样本的类别，通过某种办法 ...

统计学习方法 第 1 章 统计学习及监督学习概论 附加知识 各种空间介绍 维度诅咒 参考文献 第 2 章 感知机 ...

根据模型的训练策略划分： 直推式学习（Transductive Semi-supervised Learning） 无标记数据就是最终要用来测试的数据，学习的目的就是在这些数据上取得最佳泛化能力。 归纳式学习（Inductive ...

简介：聚类属于无监督学习，相比于分类，聚类不依赖预定义的类和类标号的训练实例。本文首先介绍聚类的基础——距离与相异度，然后介绍一种常见的聚类算法——k均值和k中心点聚类。 一：相异度计算： 在正式讨论聚类前，我们要先弄清楚一个问题：如何定量计算两个可比较元素间的相异度。用通俗的话说，相异度 ...

监督式学习：全部使用含有标签的数据来训练分类器。 无监督式学习：具有数据集但无标签（即聚类）。 半监督学习：使用大量含有标签的数据和少量不含标签的数据进行训练分类或者聚类。 半监督学习：纯半监督学习和直推式学习 纯半监督学习和直推式学习的区别： 半监督学习在学习使并不知道最终 ...

转自：https://zhuanlan.zhihu.com/p/108906502 1. 什么是自监督学习？ 自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。 2.如何评测 ...

1 监督学习 　　利用一组带标签的数据, 学习从输入到输出的映射, 然后将这种映射关系应用到未知数据, 达到分类或者回归的目的 　　(1) 分类: 当输出是离散的, 学习任务为分类任务 　　　　 　　　　输入: 一组有标签的训练数据(也叫观察和评估), 标签表明了这些数据(观察)的所属类别 ...