7

首先，这肯定是功课（所以请不要完整的代码示例）。那就是说...

我需要使用 Matlab 中的神经网络工具箱测试监督算法旁边的无监督算法。数据集是UCI 人工字符数据库。问题是，我有一个关于监督算法的很好的教程，却被无监督地淹没了。

所以我知道如何使用 . 创建自组织地图 selforgmap，然后使用train(net, trainingSet). 我不明白接下来要做什么。我知道它把我给它的数据聚集成（希望）10个集群（每个字母一个）。

那么两个问题：

  • 然后我如何标记集群（假设我有一个比较模式）？
    • 当我这样做时，我是否试图将其变成一个监督学习问题？
  • 如何在（另一个）测试集上创建混淆矩阵以与监督算法进行比较？

我想我在这里遗漏了一些基于概念或行话的东西——我所有的搜索都提出了监督学习技术。一个正确方向的观点将不胜感激。我现有的代码如下：

P = load('-ascii', 'pattern');
T = load('-ascii', 'target');

% data needs to be translated
P = P';
T = T';

T = T(find(sum(T')), :);

mynet = selforgmap([10 10]);
mynet.trainparam.epochs = 5000;
mynet = train(mynet, P);


P = load('-ascii', 'testpattern');
T = load('-ascii', 'testtarget');

P = P';
T = T';
T = T(find(sum(T')), :);

Y = sim(mynet,P);
Z = compet(Y);

% this gives me a confusion matrix for supervised techniques:
C = T*Z'
4

2 回答 2

7

由于您不使用标记数据的任何部分，因此根据定义，您正在应用无监督方法。

“然后我如何标记集群（鉴于我有一个比较模式）？”

您可以尝试对标签集进行不同的扰动，并使比较模式的平均误差（或准确度）最小化。使用集群，您可以以任何您喜欢的方式标记集群。可以将其想象为尝试不同的标签分配，直到您最小化指定的性能指标。

“当我这样做时，我是否试图把它变成一个监督学习问题？”

这取决于。如果您在聚类过程中明确使用（已知）数据点，那么这是半监督的。如果没有，您只需使用标签信息来评估和“比较”有监督的方法。它是一种监督形式，但不是基于训练集，而是基于最佳情况的预期性能（即“代理”为集群指定正确的标签）。

“如何在（另一个）测试集上创建混淆矩阵以与监督算法进行比较？”

您需要一种将集群转换为标记类的方法。对于少数集群（例如C <= 5)，您基本上可以创建C!矩阵，并保留一个使您的平均分类错误最小化的矩阵。但是，在您的情况下，C = 10,这显然是不切实际的，而且开销很大！

作为替代方案，您可以使用以下方法标记集群（从而获得混淆矩阵）：

  • 半监督方法，其中集群可以先验地标记，或者通过属于已知集群/类的数据引导通过播种过程。
  • 对估计的聚类质心和真实标签之间的距离进行排名或查找。这将为每个集群分配最接近或最相似的标签。
于 2012-10-10T02:40:19.563 回答
1

这个视频有帮助吗？它没有回答您的问题，但它表明甚至可能需要人工交互才能选择集群数量。自动标记集群更加困难。

如果您考虑一下，则不能保证会根据描述的数字进行聚类。网络可能会根据线的宽度或字体的平滑度等对数字进行分组。

于 2012-10-09T11:18:50.503 回答