问题标签 [unsupervised-learning]

假设我有项目 i1, ..., iN

我想以这样的方式对它们进行聚类：

1. 如果我多次运行集群，项目 iJ 和 iK 最终在同一个集群中的概率很高。
2. 无论集群种子如何，集群的数量和集群成员都相对稳定

是否有众所周知的算法来实现这一点？

澄清：

说我想要 3 个集群并说：

• 实际上，我从 i1、i33、i89 作为集群 c1 c2 c3 的种子开始
• 在现实 2 中，我从 i44、i55、i77 作为集群 c1 c2 c3 的种子开始

我希望两个现实中的结果集群大体相似

所有或几乎所有使用 dropout 的论文都将其用于监督学习。似乎它可以很容易地用于规范深度自动编码器、RBM 和 DBN。那么为什么在无监督学习中不使用 dropout 呢？

我为项目实施的 kmeans 聚类算法具有以下设置：

在这里，我的问题与 lossFunction 以及如何将其与 scipy.optimize 包一起使用。我想通过执行以下步骤迭代地最小化损失函数：

但是我对使用 scipy.optimize 包非常陌生，所以我写信是为了寻求有关如何调用scipy.optimize来实现上述优化目标的帮助？

基本上我有 2m个 xk矩阵，我想lossFunction()通过首先优化一个mxk矩阵保持另一个不变，然后在后续步骤优化第二个矩阵保持第一个常数来最小化 a。这可以被认为是期望最大化问题的一个特例，但不幸的是，到目前为止我还没有完全理解文档试图说的内容，因此我想我会求助于 SO。

提前致谢！

这是课堂作业的一部分，所以请不要发布代码！任何指导或解释将不胜感激。

我是机器学习的新手，想在 MATLAB 中实现依赖于距离的中餐厅流程，以对音轨进行聚类。

我希望在 26 个功能上使用 dd-CRP。我猜这个过程可能是这样的

• 读入第一个特征向量并为其分配一个“表格”
• 读入第二个特征向量并将其与第一个“表”进行比较，可能使用两个向量的余弦角（由于高维），如果它在某个定义的 theta 内一致，则加入该表，否则开始一个新表。
• 读入下一个特征并对每个现有表的新特征向量重复步骤 2。
• 在发生这种情况时，我将跟踪有多少表。

我将在例如 16 个音轨上运行算法。将音频输入算法的方式是第一个特征向量来自音轨 1 的第一帧，第二个特征向量来自音轨 2 中的第一帧等，因为我试图找出哪个音轨最喜欢聚集在一起，但我不想定义有多少个质心。显然，我必须跟踪哪个音轨在哪个“桌子”上。

这有意义吗？

http://xmipp.cnb.csic.es/NewXmipp/Web_Site/public_html/NewXmipp/Applications/Src/SOM/Help/som.html

示例 1：将存储在“test.dat”文件中的一组数据映射为 10x7 六边形图。

在这种情况下，他们已经使用 10*7 。此参数取决于数据大小或其他一些功能。

我正在使用 RBM 实现深度自动编码器。我知道，为了展开网络，我们需要将编码器的转置权重用于解码器。但我不确定我们应该为解码器使用哪些偏差。如果有人可以为我详细说明或向我发送伪代码链接，我将不胜感激。

我有一个非常简单的问题。但是，我进行了广泛的搜索，无法找到答案。遗传算法是否被认为是一种无监督学习形式？我知道算法是独立发展的，但是会定期测量群体中每个个体的适应度（监督？）。

我的算法的目标是通过遗传算法优化一组启发式权重。

谢谢您的帮助！——</p>

如果我要使用遗传算法训练人工神经网络的权重，这将被归类为哪种类型的学习？我相信它是无人监督的，但它有名字吗？似乎它可能属于强化学习，但我不太确定。

我正在尝试创建使用分层凝聚聚类对文档进行聚类的程序，并且该程序的输出取决于将树状图切割到我获得最大纯度的级别。

所以以下是我现在正在研究的算法。

根据这个算法，我得到了在所有级别上计算出的纯度最高的簇。

问题是，当我在最低级别切割树状图时，每个簇只包含一个文档，这意味着它是 100% 纯的，因此簇的平均纯度为 1.0。但这不是所需的输出。我想要的是对文件进行适当的分组。难道我做错了什么？

因此，给定一组数十到数百张我无法控制的图像，但我知道它们被归类为 1/0，哪种技术最适合推荐/分类图像？

它需要是一个健壮的、可扩展的系统。我不知道哪些功能会起作用，这就是它的原因unsupervised learning。

它需要强大且可扩展，因为每个用户有 10/100/1000 个图像。

我想使用 node.js这个过程，所以如果你做过类似的事情并且有一个想法，请帮忙。

如果您需要更多信息，请告诉我。非常感谢。