机器学习笔记——无监督学习
2017-08-25 16:16
148 查看
1、有啥用?
2、聚类
(1)K-Means
(2)HAC-分层聚类
2、降维
(1)PCA
PCA的另一种解释
与SVD的关系
与自动编码的关系
PCA的缺点
SVD
学习
预测
SVD升级版本
SVD的应用
其他相关技术
2、聚类
(1)K-Means
(2)HAC-分层聚类
2、降维
(1)PCA
PCA的另一种解释
与SVD的关系
与自动编码的关系
PCA的缺点
SVD
学习
预测
SVD升级版本
SVD的应用
其他相关技术
相关文章推荐
- 机器学习笔记1---监督学习和无监督学习
- 吴恩达 机器学习笔记一(lecture 1)(监督、无监督学习)
- COURSERA机器学习笔记——机器学习介绍
- 西瓜书《机器学习》笔记--模型评估与选择(一) 经验误差与过拟合
- 机器学习笔记1
- Andrew Ng机器学习课程笔记(五)之应用机器学习的建议
- 斯坦福机器学习公开课笔记(十一)--数据降维
- 程序员的机器学习入门笔记(五):文本分类的入门介绍
- 学习笔记【机器学习重点与实战】——3 决策树
- 人工智障学习笔记——机器学习(2)线性模型
- 《机器学习》第二章 模型评估与选择 笔记3 查准率、查全率
- 机器学习 小白笔记 正式开始!
- Coursera台大机器学习课程笔记10 -- Linear Models for Classification
- 【斯坦福---机器学习】复习笔记之牛顿方法
- 机器学习笔记——支持向量机(II)核函数
- <转>斯坦福机器学习公开课精品笔记4
- 机器学习笔记之无监督学习
- Standford 机器学习学习笔记 线性回归(Linear Regission)
- [台大机器学习笔记整理]vc-dimension
- 机器学习基础知识-神经网络与深度学习学习笔记(二)