一尾活龍2017-10-25 08:58:20分成幾種型別，大家知道最多的是k mean了，聚類還有mixture Gaussian model就是軟聚類，第二種是最有意思的，矩陣分解模型，包括非常多的變種，PCA，svd。EM， LDA等等，通常用來得到latent或embedding，或者用來推測缺失值，第三種是馬爾科夫系列模型，第四種名字忘了，透過聯合計數來得到事物之間的關係，比如啤酒與尿布的案例可以透過這種方式得到
djdbupt2017-10-18 07:55:52所謂無監督的學習演算法，就是從沒有任何標註資訊的資料中學習到規律，這裡的無標註主要是不需要人工參與！例如傳統的降維演算法PCA，透過把資料抽象為矩陣，透過求矩陣的特徵向量與特徵值來求主成分！像Topic model中的LDA，輸入的是一個一個的文字資料，得到每個文字的Topic資料！像很多傳統的聚類演算法等，也是透過計算資料之間的距離來得到相似度，從而做聚類！包括TFIDF，某些新詞發展演算法，ngram模型等，都可以透過統計來計算！
豆豆都飛2017-10-17 08:12:44無監督學習（unsurpervised learning）是深度學習的基礎，也是大資料時代科學家們用來處理資料探勘的主要工具。個人理解的話就是資料太多，而人們不可能給每個資料樣本加標籤吧，所以才有了無監督學習。當然用的最多的是用無監督學習演算法訓練引數，然後用一部分加了標籤的資料測試。這種方法叫半監督學習（semi-unsurpervised）。最近看的幾個深度學習演算法是：稀疏自編碼（sparse auto-encoder）、稀疏限制玻爾茲曼機器（sparse RBM）、K-means 聚類和高斯混合模型。根據論文An Analysis of Single-Layer Networks in Unsupervised Feature Learning的實驗結果，K-means聚類演算法是準確率最高，而且不需要超引數（hyper-parameter）。
