计算机科学

首页 > 计算机科学

非监督式学习

2018-08-24 14:03:23     所属分类:机器学习

非监督式学习是一种机器学习的方式,并不需要人力来输入标签。它是监督式学习和强化学习等策略之外的一种选择。在监督式学习中,典型的任务是分类和回归分析,且需要使用到人工预先准备好的范例(base)。

一个常见的非监督式学习是数据聚类。在人工神经网络中,生成对抗网络(GAN)、自组织映射(SOM)和适应性共振理论(ART)则是最常用的非监督式学习。

ART模型允许丛集的个数可随着问题的大小而变动,并让使用者控制成员和同一个丛集之间的相似度分数,其方式为透过一个由使用者自定而被称为警觉参数的常数。ART也用于模式识别,如自动目标辨识和数位信号处理。第一个版本为"ART1",是由卡本特和葛罗斯柏格所发展的。

方法

非监督式学习常使用的方法有很多种,包括:

  • 分群法
    • K-平均算法
    • 混合模型
    • 阶层式分群
  • 异常检测
  • 人工神经网络
    • 自编码
    • 深度置信网络英语Deep belief network
    • 赫布学习
    • 生成对抗网络
    • 自组织映射
  • 学习潜在变数模型的方法
    • 最大期望算法
    • 矩估计
    • 盲信号分离技术,例如:
      • 主成分分析
      • 独立成分分析
      • 非负矩阵分解英语Non-negative matrix factorization
      • 奇异值分解

参考文献

  • Geoffrey Hinton, Terrence J. Sejnowski(editors,1999) Unsupervised Learning and Map Formation: Foundations of Neural Computation, MIT Press, ISBN 0-262-58168-X(这本书专注于人工神经网络的非监督式学习)
  • S. Kotsiantis, P. Pintelas, Recent Advances in Clustering: A Brief Survey, WSEAS Transactions on Information Science and Applications, Vol 1, No 1 (73-81), 2004.
  • Richard O. Duda, Peter E. Hart, David G. Stork. Unsupervised Learning and Clustering, Ch. 10 in Pattern classification (2nd edition), p. 571, Wiley, New York, ISBN 0-471-05669-3, 2001.

另见

  • 无监督式学习网络
  • 人工神经网络
  • 数据聚类
  • 最大期望算法
版权声明:本文由北城百科网创作,转载请联系管理获取授权,未经容许转载必究。https://www.beichengjiu.com/computerscience/339364.html

下一篇:含糊
相关推荐