machine-learning - 可用的无监督分类方法

Question

我正在做一项涉及“无监督分类”的研究。基本上我有一个 trainSet，我想以无监督的方式对 X 个类中的数据进行聚类。Idea 类似于 k-means 所做的。

比方说

Step1) featureSet 是一个 [1057x10] 矩阵，我想将它们聚类成 88 个聚类。

Step2) 使用之前计算的类来计算testData是如何分类的

问题 - 是否可以使用 SVM 或 NN 来做到这一点？还要别的吗 ？- 还有其他建议吗？

Answer 1

那里有许多聚类算法，网络上充斥着关于它们的信息和示例实现。一个很好的起点是关于聚类分析Cluster_analysis的维基百科条目。

由于您有一个有效的 k-means 实现，您可以尝试许多变体中的一种，看看它们是否会产生更好的结果（也许是 k-means++，正如您提到的 SVM）。如果您想要一种完全不同的方法，请查看 Kohonen Maps - 也称为自组织特征图。如果这看起来太棘手，一个简单的层次聚类将很容易实现（找到最近的两个项目，组合，冲洗并重复）。

Answer 2

这听起来像是一个经典的聚类问题。支持向量机或神经网络都无法直接解决这个问题。您可以使用任一方法进行降维，例如将 10 维数据嵌入二维空间，但它们不会为您将数据放入集群中。

除了 k-means 之外，还有大量的聚类算法。如果您想要一种对比方法，您可能想尝试一种凝聚聚类算法。我不知道您使用的是哪种计算环境，但我非常喜欢R和这个（非常）关于集群的简短指南。