问题标签 [unsupervised-learning]

我正在寻找最先进的方法的概述，

• 在时间数据中查找时间模式（任意长度）

• 并且是无监督的（没有标签）。

换句话说，给定一个（可能是高维的）数据流/序列，你如何找到那些最能捕捉数据结构的常见子序列。

1. 欢迎任何指向最近的发展或论文（希望超越 HMM）的指针！

2. 这个问题是否在更具体的应用领域中得到了很好的理解，比如

   • 动作捕捉
   • 语音处理
   • 自然语言处理
   • 游戏动作序列
   • 股市预测？

3. 此外，这些方法中的一些是否足够通用以应对
   • 高噪声数据
   • 层次结构
   • 时间轴上的不规则间距

（我对检测已知模式不感兴趣，也不对序列的分类或分割感兴趣。）

我无法找到matlab's k-mean有关种子的详细信息。如果 matlab 的 k-mean 重新计算 的集群分配Xs seeds，它是data set X矩阵的子集。

或者这些种子仅用于初始居中位置，在 k-means 集群分配阶段不考虑？

我想semi-supervised clustering by seeds通过 Sugato Basu et.al 这可能是一个幼稚的问题，但你的回答会让这种困惑更加清晰。

提前致谢。

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：

我基于 EM（期望最大化算法）在 Python 中构建了 NLTK 朴素贝叶斯的半监督版本。但是，在 EM 的某些迭代中，我得到了负对数似然（EM 的对数似然在每次迭代中都必须为正），因此我相信我的代码中一定有一些错误。仔细查看我的代码后，我不知道为什么会发生这种情况。如果有人能在下面的代码中发现任何错误，将不胜感激：

（半监督朴素贝叶斯参考资料）

EM算法主循环

自定义函数 gen-freqdists，用于创建所需的频率分布

谁能解释 prcomp 和 princomp 函数之间的主要区别是什么？

有什么特别的原因为什么我应该选择一个而不是另一个？如果这是相关的，我正在查看的应用程序类型是基因组（表达）数据集的质量控制分析。

谢谢！

对于这个应用程序，我想使用一种降维算法，这样给定数量的组件都可以解释数据中相同数量的方差。

因此，主成分分析不适合，因为解释的方差从第一个主成分到每个后续主成分急剧下降。

我可以使用哪些算法？

我正在尝试开发一个轻量级系统，该系统使用无监督学习方法，该方法使用 CPU、RAM 利用率等系统参数来训练异常检测系统。除了自组织地图，我想不出任何东西。我可以在这里考虑其他任何学习技巧吗？

我想推荐带有标签并分为三个价格类别（便宜、普通和昂贵）的商品。我知道使用 Mahout 推荐可以实现，但这就是我不知道如何使用它的原因。

Mahout 基于其他用户的意见，但我要推荐的所有新项目都只是尚未设置任何偏好的新项目。

Mahout 是解决此问题的正确工具吗？这是基于内容的吗？（哪个 mahout 还不支持？？？？）还是我应该使用分类？

谢谢！

主题建模识别文档集合中的主题分布，从而有效地识别集合中的集群。那么是否可以说主题建模是一种进行文档聚类的技术？

我对通过神经网络进行机器学习的一些概念有疑问。其中之一是反向传播。在权重更新方程中，

t是“目标输出”，在监督学习的情况下，这将是您的类标签或其他东西。但是无监督学习的“目标输出”是什么？

有人可以提供一个示例，说明您如何在无监督学习中使用 BP，特别是用于分类聚类？

提前致谢。