學習資料：吳恩達機器學習課程 一. K-means算法 1. 算法思想 K-均值算法是無監督學習中聚類算法中的一個 初始化k個聚類中心 循環： 將每個訓練樣本歸類到最近的聚類中心組成一個個聚類 移動聚類中心到本身聚類的中心(平均值 ...

監督學習（Unsupervised learning）最典型的就是聚類，事先不知道樣本的類別，通過某種辦法 ...

統計學習方法 第 1 章 統計學習及監督學習概論 附加知識 各種空間介紹 維度詛咒 參考文獻 第 2 章 感知機 ...

根據模型的訓練策略划分： 直推式學習（Transductive Semi-supervised Learning） 無標記數據就是最終要用來測試的數據，學習的目的就是在這些數據上取得最佳泛化能力。 歸納式學習（Inductive ...

簡介：聚類屬於無監督學習，相比於分類，聚類不依賴預定義的類和類標號的訓練實例。本文首先介紹聚類的基礎——距離與相異度，然后介紹一種常見的聚類算法——k均值和k中心點聚類。 一：相異度計算： 在正式討論聚類前，我們要先弄清楚一個問題：如何定量計算兩個可比較元素間的相異度。用通俗的話說，相異度 ...

監督式學習：全部使用含有標簽的數據來訓練分類器。 無監督式學習：具有數據集但無標簽（即聚類）。 半監督學習：使用大量含有標簽的數據和少量不含標簽的數據進行訓練分類或者聚類。 半監督學習：純半監督學習和直推式學習 純半監督學習和直推式學習的區別： 半監督學習在學習使並不知道最終 ...

轉自：https://zhuanlan.zhihu.com/p/108906502 1. 什么是自監督學習？ 自監督學習主要是利用輔助任務（pretext）從大規模的無監督數據中挖掘自身的監督信息，通過這種構造的監督信息對網絡進行訓練，從而可以學習到對下游任務有價值的表征。 2.如何評測 ...

1 監督學習 　　利用一組帶標簽的數據, 學習從輸入到輸出的映射, 然后將這種映射關系應用到未知數據, 達到分類或者回歸的目的 　　(1) 分類: 當輸出是離散的, 學習任務為分類任務 　　　　 　　　　輸入: 一組有標簽的訓練數據(也叫觀察和評估), 標簽表明了這些數據(觀察)的所屬類別 ...