看周志华老师写的机器学习，看的头都要掉了，记下笔记给自己点耐心接着看下去，希望能够有所收获，第13章：半监督学习 的部分内容。13.1 未标记样本unlabeled sample(1)主动学习active learning：数据集：一部分已标记样本Dl；一部分未标记样本Du。 进行如下过程： 1.使用Dl训练一个模型 2.拿已训练的模型挑选样本，并询问相关专家标记 3.把新获得标记的样本放入Dl中
机器学习应用分析–有监督算法-分类算法 ### 按学习方式分类：监督学习无监督学习半监督学习强化学习①监督学习数据集中的每个样本有相应的“正确答案”， 根据这些样本做出预测， 分有两类： 回归问题和分类问题。（ 1） 回归问题举例例如： 预测房价， 根据样本集拟合出一条连续曲线。（ 2） 分类问题举例例如： 根据肿瘤特征判断良性还是恶性，得到的是结果是“良性”或者“恶性”， 是离散的。监督学习：从
转载
2024-05-10 20:17:06
1015阅读
聚类聚类算法 kmeans原理：1、随机选取k个中心点；2、在第i次迭代中，对于每个样本点，选取最近的中心点，归为该类； 3、更新中心点为每类的均值； 4、i<-i+1 ,重复(2)(3)迭代更新，直至误差小到某个值或者到达一定的迭代步数，误差不变.在每次迭代之后，误差变小过程就是趋于收敛的过程；达到一定程度，误差不变，已经完成分类K-means优化函数不同的初始化中心点对聚类结果影响较大，
转载
2024-04-18 10:01:56
87阅读
目录 二、Spectral Clustering 三、 Agglomerative Clustering (Hierarchical) -- Connectivity models四、 DBSCAN五、BIRCH 无监督聚类是一种机器学习技术，用于将数据分组成不同的类别，而无需提前标记或指导。在无监督聚类中，算法通过分析数据之间的相似性
转载
2024-07-10 18:52:44
59阅读
KMeansKMeans属于无监督（即无标签）聚类算法，在不知道数据没有具体的划分标准时，通过物以类聚的方法，将相似数据放在一起。一、源码流程（一）首先随机生成一堆数据 ，尝试将这些数据进行聚类import random
import matplotlib.pyplot as plt
points_num = 100
random_x = [random.randint(-100, 100) f
转载
2024-03-15 20:07:51
24阅读
聚类与分类的区别 分类：类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类的特征，再对未分类的数据进行分类。属于监督学习。聚类：事先不知道数据会分为几类，通过聚类分析将数据聚合成几个群体。聚类不需要对数据进行训练和学习。属于无监督学习。关于监督学习和无监督学习，这里给一个简单的介绍：是否有监督，就看输入数据是否有标签，输入数据有标签，则为有监督学习，否则为无监督学习。更详尽的解释会
聚类和分类算法的区别学习方式不同聚类是一种非监督式学习算法，而分类是监督式学习算法。对源数据集要求不同，有无目标值应用场景不同聚类一般应用于数据探索性分析、数据降维、数据压缩等探索性、过程性分析和处理分类更多地用于预测性分析和使用。解读结果不同。聚类算法的结果是将不同的数据集按照各自的典型特征分成不同类别，不同人对聚类的结果解读可能不同；而分类的结果却是一个固定值（例如高、中、低、是、否等），不存
转载
2024-08-09 11:14:10
16阅读
聚类通常作为其他数据挖掘或建模的前奏一.特征认知1.有监督无监督分类: 有监督学习（有标签学习）数据特征聚类: 无监督学习（没有标签）数据特征2.聚类概念聚类是把各不相同的个体分割为有更多相似性子集合的工作。聚类生成的子集合称为簇3.聚类要求生成的簇内部的任意两个对象之间具有较高的相似度属于不同簇的两个对象间具有较高的相异度二.相似度衡量度量关键: 距离1.变量分类1.定量变量：连续变量2.定性变
转载
2024-03-18 21:21:32
466阅读
谱聚类和AP聚类是基于图的两种聚类，在这里我介绍AP聚类。Affinity Propagation Clustering（简称AP算法）是2007提出的，当时发表在Science上《single-exemplar-based》。特别适合高维、多类数据快速聚类，相比传统的聚类算法，该算法算是比较新的，从聚类性能和效率方面都有大幅度的提升。Affinity Propagation可以翻译为关联传播，它
转载
2024-04-12 22:42:28
68阅读
半监督模糊聚类算法FCM，SFCM，SSFCM理论和代码关于上述三个模型的理论介绍请参考论文《半监督模糊聚类算法的研究与改进》（白福均，高建瓴，宋文慧，贺思云）FCM模型` 目标方程： – uij表示隶属度矩阵（样本j对于类别i的隶属度，取值0~1） – dij表示样本j与类心i的距离隶属度矩阵与类心的更新公式：具体的代码如下：`function [center, U, obj_fcn] = FC
转载
2023-11-11 11:33:47
118阅读
python数据分析之聚类模型与半监督学习-第八次笔记1.聚类模型–*1.1基于切割的—K-means算法 –*1.2基于密度的—DBSCAN算法 –*1.3基于层次的聚类算法 –*1.4基于图裂法的—-Split算法2.关联，序列模型–*2.1关联规则—Apriori算法 –*2.2序列规则3.半监督学习–*3.1标签传播算法1.聚类模型导入模块import numpy as np
im
转载
2023-12-31 14:42:50
148阅读
论文地址：https://arxiv.org/pdf/1712.04440.pdf1. 论文与摘要 《Data Distillation: Towards Omni-Supervised Learning》 摘要：作者提出一种特殊的半监督学习方法，取名为数据精馏。该方法通过利用标注的数据和未标注的数据一起
首先我们要解决几个问题聚类算法主要包括哪些算法？主要包括：K-means、DBSCAN、Density Peaks聚类（局部密度聚类）、层次聚类、谱聚类。什么是无监督学习？• 无监督学习也是相对于有监督学习来说的，因为现实中遇到的大部分数据都是未标记的样本，要想通过有监督的学习就需要事先人为标注好样本标签，这个成本消耗、过程用时都很巨大，所以无监督学习就是使用无标签的样本找寻数据规律的一种方法•
转载
2024-05-30 13:32:49
47阅读
目录
k-均值算法简述及应用场景
k-均值算法步骤
k-均值算法数学描述
scikit-learn 里的 k-均值算法
k-均值算法简述及应用场景k-均值算法是无监督算法，只给出一组无标记的数据集
，目标是找出这组数据的模式特征，如哪些数据是同一种类型的，哪些数据是另外一种类型
典型的无监督式学习包括市场细分，即通过分析用户数据，把一个产
最近看了一篇论文，涉及到数据挖掘的聚类算法，这里总结一下一、聚类算法的简介 聚类算法是一种典型的无监督学习算法，主要用于将相似的样本自动归到一个类别中。聚类算法与分类算法最大的区别是：聚类算法是无监督的学习算法，而分类算法属于监督的学习算法。在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。1、K
转载
2023-09-15 17:41:20
98阅读
简介首先必须明确，分类和聚类是两个不同的东西。分类的目的是确认数据属于哪个类别。分类必须有明确的边界，或者说分类是有标准答案的。通过对已知分类数据进行训练和学习，找出已知分类特征，再对未知分类的数据进行分类。因此分类通常是有监督学习。聚类的目的是找出数据间的相似之处。聚类对边界的要求不是很高，是开放性命题。聚类只使用无标签数据，通过聚类分析将数据聚合成几个，因此采用无监督学习算法。 现
转载
2023-08-10 10:03:27
113阅读
作为无监督学习的一个重要方法，聚类的思想就是把属性相似的样本归到一类。对于每一个数据点，我们可以把它归到一个特定的类，同时每个类之间的所有数据点在某种程度上有着共性，比如空间位置接近等特性。多用于数据挖掘、数据分析等一些领域。 下面简
转载
2024-04-06 13:38:48
21阅读
在机器学习过程中，很多数据都具有特定值的目标变量，我们可以用它们来训练模型。但是，大多数情况下，在处理实际问题时，数据不会带有预定义标签，因此我们需要开发能够对这些数据进行正确分类的机器学习模型，通过发现这些特征中的一些共性，来预测新数据的类。无监督学习分析过程开发无监督学习模型需遵循的整个过程，总结如下：无监督学习的主要应用是：· 按某些共享属性对数据集进行分段。· 检测不适合任何组的异常。·
原创
2020-12-22 12:00:27
995阅读
https://www.toutiao.com/a6675947855951168011/在机器学习过程中，很多数据都具有特定值的目标变量，我们可以用它们来训练模型。但是，大多数情况下，在处理实际问题时，数据不会带有预定义标签，因此我们需要开发能够对这些数据进行正确分类的机器学习模型，通过发现这些特征中的一些共性，来预测新数据的类。无监督学习分析过程开发无监督...
转载
2019-04-08 10:13:19
227阅读
在这篇博文中，我将介绍如何使用Python进行半监督聚类算法的实现和应用。半监督聚类是一种结合有标签和无标签样本的数据挖掘方法，广泛应用于图像处理、文本分类等领域。
## 背景描述
近年来，数据量急剧增加，传统的无监督学习方法在处理大规模、复杂数据时显得捉襟见肘。尤其是在缺乏标注的情况下，如何有效地对数据进行聚类成为研究的热点。半监督聚类算法正是为了解决这个问题而产生的。它能够利用有限的标签信
