机器学习——无监督学习
其他
2020-02-20 20:37:00
阅读次数: 0
一、有监督学习
1.1 目标
1.1.1回归
1.1.2分类
1.1.2.1 二分类
1.1.2.2 多分类
1.2 模型
1.2.1 线性模型
1.2.1.1 线性回归
1.2.1.2 逻辑回归
1.2.2 邻居模型
1.2.2.1 k-最近邻
1.2.3 树模型
1.2.3.1 决策树
1.2.3.2 随机森林
1.2.3.3 梯度提升
1.2.4 支持向量机
1.2.5 神经网络
二、无监督模型
2.1 数据降维
2.1.1 线性投影
2.1.1.1 主成分分析（PCA）
2.1.1.2 奇异值分解（SVD）
2.1.1.3 随机投影
2.1.2 流形学习
2.1.2.1 等度量映射（ISOMAP）
2.1.2.2 t 分布随机邻居嵌入（t-SNE）
2.1.2.3 字典学习
2.1.3 独立成分分析（ICA）
2.1.4 隐狄利克雷分布模型（LDA）
2.2 聚类
2.2.1 k-平均
2.2.2 层次聚类
2.2.3 基于密度聚类（DBSCAN）
2.3 特征提取
2.3.1 自编码器（Auto-encoder）
2.3 无监督深度学习
2.3.1 无监督预训练
2.3.1 受限玻尔兹曼机
2.3.2 深度置信网络
2.3.3 生成对抗网络
2.4 序列数据建模
发布了274 篇原创文章 ·
获赞 446 ·
访问量 42万+
转载自blog.csdn.net/itnerd/article/details/104014609
