本站于2023年9月4日。收到“大连君*****咨询有限公司”通知
说我们IIS7站长博客，有一篇博文用了他们的图片。
要求我们给他们一张图片6000元。要不然法院告我们

为避免不必要的麻烦，IIS7站长博客，全站内容图片下架、并积极应诉
博文内容全部不再显示，请需要相关资讯的站长朋友到必应搜索。谢谢！

另祝：版权碰瓷诈骗团伙，早日弃暗投明。

相关新闻：借版权之名、行诈骗之实，周某因犯诈骗罪被判处有期徒刑十一年六个月

叹！百花齐放的时代,渐行渐远!

---

无监督学习方法的关系和特点

八种常用的统计机器学习方法：

     1. 聚类方法（层次聚类、k均值聚类）

     2.奇异值分解（SVD）

     3.主成分分析（PCA）

     4.潜在语义分析（LSA）

     5.概率潜在语义分析（PLSA）

     6.马尔可夫链蒙特卡罗法（MCMC，包括Metropolis-Hastings算法、吉布斯抽样）

     7.潜在狄利克雷分配（LDA）

     8.PageRank算法

     三种常用的统计机器学习方法，非负矩阵分解（NMF）、变分推理、幂法

     这些方法通常用于无监督学习的 聚类、降维、话题分析、图分析

1 各种方法之间的关系

2 无监督学习方法

     聚类有硬聚类和软聚类，层次聚类、k均值聚类是硬聚类方法

     高斯混合模型是软聚类方法

     层次聚类基于启发式算法，k均值聚类基于迭代算法，高斯混合模型学习通常基于EM算法

     降维有线性降维和非线性降维，PCA是线性降维方法。PCA基于SVD

     话题分析兼有聚类和降维特点，有非概率模型、概率模型

     LSA、NMF是非概率模型，PLSA、LDA是概率模型

     PLSA不假设模型具有先验分布，学习基于极大似然估计

     LDA假设模型具有先验分布，学习基于贝叶斯学习，具体地后验概率估计

     LSA的学习基于SVD，NMF可以直接用于话题分析

     PLSA的学习基于EM算法

     LDA的学习基于吉布斯抽样或变分推理

     图分析的一个问题是链接分析，即结点的重要度计算

     PageRank是链接分析的一个方法。PageRank通常基于幂法

3 基础机器学习方法

     矩阵分解基于不同假设：SVD基于正交假设，即分解得到的左右矩阵是正交矩阵，中间矩阵是非负对角矩阵

     非负矩阵分解基于非负假设，即分解得到的左右矩阵皆是非负矩阵

     含有隐变量的概率模型的学习有两种方法：迭代计算方法、随机抽样方法

     EM算法 和 变分推理（包括变分EM算法）属于迭代计算方法

     吉布斯抽样 属于随机抽样方法

     变分EM算法是EM算法的推广

     矩阵的特征值与特征向量求解方法中，幂法是常用的算法

文章来源：CSDN博客

原文链接：https://blog.csdn.net/qq_21201267/article/details/105982531

如有侵权，请联系本人删除