HOME/Articles/

无监督学习方法的特点

Article Outline

无监督学习方法的模型、策略、算法

无监督学习用于聚类、降维、话题分析、图分析。

/ 方法 模型 策略 算法
聚类 层次聚类 聚类树 类内样本距离最小 启发式算法
聚类 K均值聚类 K中心聚类 样本与类中心距离最小 迭代算法
聚类 高斯混合模型 高斯混合模型 似然函数最大 EM算法
降维 PCA 低维正交空间 方差最大 SVD
话题分析 LSA 矩阵分解模型 平方损失最小 SVD
话题分析 NMF 矩阵分解模型 平方损失最小 非负矩阵分解
话题分析 PLSA PLSA模型 似然函数最大 EM算法
话题分析 LDA LDA模型 后验概率估计 吉布斯抽样,变分推理
图分析 PageRank 有向图上的马尔可夫链 平稳分布求解 幂法

术语注释

  • PCA : 主成分分析(Principal Components Analysis)

  • LSA :潜在语义分析(Latent Semantic Analysis)

  • NMF :非矩阵分解(Non-negative Matrix Factorization)

  • PLSA : 概率潜在语义分析(Probabilistic Latent Semantic Analysis)

  • SVD : 奇异值分解(Singular Value Decomposition)

  • LDA : 潜在狄利克雷分配(Latent Dirichlet Allocation)

                                                 ---摘自《统计学习方法》·李航