Andrew Ng机器学习笔记week8 无监督学习(聚类、PCA)
2017-12-11 17:52
711 查看
一、k均值聚类算法
1.K-‐means算法算法实现过程:
随机初始化K个聚类中心
几个类不是分离的,算法怎么做?举例,衣服大小怎么分:
2.K均值聚类算法的优化目标
3.随机初始化
局部最优的问题:
4.选择聚类的个数
选择一个临界点:
比如衣服尺寸的分类:
二、维度下降
目的:①数据压缩
②数据的可视化(对数据的分析更加直观)
主成分分析(Principal Component Analysis–PCA)
问题:
算法:
数据预处理:
算法过程:
算法总结:
对被压缩过的数据表示进行重建:
选择主成分的数目
PCA应用的建议:
相关文章推荐
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 8(一)——无监督学习
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 3——逻辑回归、过拟合与正则化
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 6(二)——误差分析与数据集偏斜处理
- 斯坦福大学公开课 :机器学习课程(Andrew Ng)——13、无监督学习:Principal Component Analysis (PCA)
- Andrew Ng 机器学习 第一课 监督学习应用.梯度下降 笔记
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 4——神经网络(一)
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 6(一)—— 机器学习诊断、偏差与方差
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 5——神经网络(二)
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 7——支持向量机
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 9(二)——推荐系统作业
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 1——简单的线性回归模型和梯度下降
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 8(二)——降维
- 机器学习一:监督学习笔记
- Python机器学习笔记——监督学习
- 机器学习笔记(1)---监督学习之梯度下降
- [机器学习入门] 李宏毅机器学习笔记-15 (Unsupervised Learning: Word Embedding;无监督学习:词嵌入)
- 学习笔记——吴恩达-机器学习课程-1.3 用神经网络进行监督学习
- 机器学习之&&Andrew Ng课程复习--- 学习笔记(第三课)
- 斯坦福机器学习-week 3 学习笔记(3)—— 解决Overfitting
- 《机器学习实战》学习笔记-[13]-无监督学习-利用K-均值聚类对未标注数据分组