案例:
現在手上有許多的文檔,需要將其按照類型(體育,財經,科技等)進行分類,也就是對文章進行分組或聚類.
分析:
如果手上有已經標記過類型的數據,可以將其作為訓練集進行學習.
那么這是否是一個多元分類問題?
其實是監督學習問題
現在我們有一堆無標簽的文檔,打算推斷出相關文章的分組向量.
Input:文檔向量
Output:集群標簽
這是一個無監督學習任務.
怎樣去定義一個集群:
集群用中心和形狀來定義.
以形狀來判斷,上方1號點明顯應屬於橢圓形集群.而若是以距離來看,2號點明顯屬於圓形集群.
聚類算法:k-means
k均值算法(k-means):固定k個集群,看每個集群的平均值.只考慮集群中心,以此來將數據點分不到不通的集群中.
步驟:
1.初始化集群中心
2.把所有數據點分給離它最近的集群中心.(沃羅諾伊鑲嵌算法)
3.將聚類中心修改為指定的觀測值的平均值.
4.重復前面的步驟,直到結果收斂.
其他的例子:
1.圖像分類
2.疾病分類
3.商品分類
4.網頁搜索優化
5.房價預測
6.預測犯罪率
end
課程:機器學習基礎：案例研究(華盛頓大學)
視頻鏈接: https://www.coursera.org/learn/ml-foundations/lecture/EPR3S/clustering-documents-task-overview
week4 Clustering models and algorithms