支持向量機(SVM)
Support Vector Machine
除了邏輯迴歸和神經網絡,支持向量機爲非線性方程的解決提供了一種更爲清晰,更加強大的方式。
粗略地看,SVM會構造出分段的結果,SVM的輸出結果也不是得到概率,而是其中一個結果。
核函數kernels是用於解決similarity相似度問題的
庫文件libsvm是非常好的使用SVM的工具
無監督學習 Unsupervised Learning
比較有監督和無監督:
有監督學習有一個帶標籤的訓練集,而在非監督學習中,數據沒有附帶任何標籤。
如果所示,我們可以把其視爲兩個分開的點集(稱爲簇)。
separate clusters
聚類算法
Clustering algorithm
K-Means聚類算法
首先隨機生成兩個點。這兩點就叫做聚類中心
the first step is to randoms initialize two points,called the cluster centroids
K-均值是一個迭代算法,它會做兩件事:
- 蔟分配 cluster assignment
- 移動聚類中心 move centroid step
K-Means 算法
輸入:
- K值:簇類個數
- 一系列無標籤數據集