人工智能教程 - 學科基礎課程2.6 - 機器學習導論 12.支持向量機簡介,無監督學習,聚類,K-Means算法

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：

1. 蔟分配 cluster assignment
2. 移動聚類中心 move centroid step
   

K-Means 算法

輸入：

1. K值：簇類個數
2. 一系列無標籤數據集