系列文章：《机器学习实战》学习笔记 最近看了《机器学习实战》中的第11章（使用Apriori算法进行关联分析）和第12章（使用FP-growth算法来高效发现频繁项集）。正如章节标题所示，这两章讲了 ...

1 关于机器学习 　　机器学习是实现人工智能的手段, 其主要研究内容是如何利用数据或经验进行学习, 改善具体算法的性能 　　　　多领域交叉, 涉及概率论、统计学, 算法复杂度理论等多门学科 　 ...

　　今天在数据人网上看到一篇文章。区分监督学习和无监督学习，监督学习的数据就是有标签数据，无监督学习的数据就是无标签数据。这是我的理解，欢迎指教。 原文链接http://www.shujuren.o ...

　　今天在数据人网上看到一篇文章。区分监督学习和无监督学习，监督学习的数据就是有标签数据，无监督学习的数据就是无标签数据。这是我的理解，欢迎指教。 原文链接http://www.shujuren.o ...

前言 在上篇《Python 机器学习实战 —— 监督学习》介绍了 支持向量机、k近邻、朴素贝叶斯分类 、决策树、决策树集成等多种模型，这篇文章将为大家介绍一下无监督学习的使用。无监督学习顾名思义数据 ...

最佳阅读体验请前往原文地址： 变分自编码器（Variational Autoencoder, VAE）通俗教程—— 作者：邓范鑫 1. 神秘变量与数据集 现在有一个数据集DX(dataset, 也 ...

前言 在上篇《 Python 机器学习实战 —— 无监督学习（上）》介绍了数据集变换中最常见的 PCA 主成分分析、NMF 非负矩阵分解等无监督模型，举例说明使用使用非监督模型对多维度特征数据集进 ...

众所周知，机器学习的训练数据之所以非常昂贵，是因为需要大量人工标注数据。 autoencoder可以输入数据和输出数据维度相同，这样测试数据匹配时和训练数据的输出端直接匹配，从而实现无监督训练的效果 ...

主成分分析(PCA, Principal Component Analysis) 一个非监督的机器学习算法 主要用于数据的降维处理 通过降维,可以发现更便于人类理解的特征 其他应用 ...

算法过程： 随机选取K个种子点 求所有点到种子点的距离，将点纳入距离最近的种子点群 所有点均被纳入群内后，将种子点移动到种子群中心 重复上述2、3过程，直至种子点没有移动 优 ...