Coursera Machine Learning 学习笔记(三)
- Unsupervised Learning
在监督学习中,无论是回归问题还是分类问题,我们所用到数据都有明确的标签或相应的预测结果。
而在非监督学习中,我们现有的数据没有相应的结果或标签,有的只是特征。因此,非监督学习要解决的问题是发现这些数据是否可以分为不同的组。
非监督学习的一个典型问题是聚类问题,例如:
- 分析大型数据中心网络传输数据情况,分析哪些机器在协同工作。
- 社交网络分析
- 市场分割
- 天文数据分析
- 人类基因聚类分析
还有一个经典的例子是鸡尾酒会问题,在一个满是人的房间中,人们在互相谈话,我们使用若干麦克风记录下房间的声音,利用非监督学习算法来分出房间中某一个人所说的话。
鸡尾酒会问题的一个简化版本是一个房间中有两个人同时在讲话,利用两个麦克风来录音。
郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。