unsupervised-learning

    6熱度

    1回答

    我已經有了一種聚類圖形的方法,所以聚類過程在這裏不是問題。我想要做的是,一旦我們所有的節點集羣 - 畫在Python集羣圖形,這樣的事情: 我看着networkx,IGRAPH和圖形工具,但他們似乎做羣集,但不是繪圖。我應該使用什麼圖書館來繪製已經聚集的圖的任何想法和主張,這將最小化交叉鏈接的數量?

    1熱度

    1回答

    我使用RBM實現深度自動編碼器。我明白,爲了展開網絡,我們需要使用解碼器的編碼器的轉置權重。但我不確定我們應該爲解碼器使用哪種偏見。我很感激,如果有人可以爲我詳細說明或給我發送僞代碼的鏈接。

    1熱度

    1回答

    我想繪製從模糊C均值聚類算法獲得的羣集的可視化。對於像通過k-means獲得的清晰集羣,可以很容易地通過正常的散點圖(例如通過matplotlib獲得的散點圖)進行可視化。是否有推薦的方法繪製模糊聚類來可視化重疊?如果是,如何?

    2熱度

    1回答

    python中是否有可用於任何協同聚類算法的實現? scikit-learn軟件包具有k-means和層次聚類,但似乎缺少這類聚類。

    7熱度

    1回答

    所有或幾乎所有使用退出的論文都將其用於監督式學習。它似乎可以很容易地用來調整深度自動編碼器,RBM和DBN。那麼,爲什麼不在無監督學習中使用輟學?

    1熱度

    1回答

    我有以下列格式數據: X,Y,sim(X,Y) 即,三元組的列表,以及: X,對象的名稱; Y,另一個對象的名稱; sim(X,Y),表示兩個物體之間距離的實數。 現在,我想對這些數據應用一些無監督聚類算法。 我記得Weka,但我很樂意考慮替代方案。

    36熱度

    1回答

    我想設計一個(或多個)卷積層(CNN)和一個或多個完全連接的隱藏層的深層網絡。 對於完全連接層的深度網絡,theano中有無監督預訓練的方法,例如使用denoising auto-encoders或RBMs。 我的問題是:我如何實現(在theano中)卷積層的無監督預訓練階段? 我不希望完整的實現作爲答案,但我會很感激鏈接到一個很好的教程或可靠的參考。

    0熱度

    1回答

    EM軟聚類在Lingpipe的EM教程,他們說,這是可能的運行沒有監督數據的算法: 有可能通過具有初始分類訓練在一個完全無監督形式的分類隨機分配類別。只有類別的數量必須確定。算法是完全一樣的,收斂後的結果或最大數量的時期是一個分類器。 但是他們的班級TradNaiveBayesClassifier需要標記和未標記的語料庫運行。我怎樣才能修改它運行沒有標籤的數據?

    1熱度

    1回答

    正如標題所示,感興趣區域的無監督學習和計算機視覺的單詞模型袋之間有什麼相似之處和差異。 參考 - 對於無監督ROI: http://www.cs.cmu.edu/~gunhee/publish/nips09_gunhee.pdf 對於詞模型的包: http://people.csail.mit.edu/fergus/iccv2005/bagwords.html 感謝。

    -1熱度

    2回答

    說我有項目I1,...,在 我想以這樣的方式來聚集他們: 如果我跑了集羣很多很多次的概率。項目iJ和iK最終會在同一個集羣中處於高位。 集羣和集羣成員的數量是相對穩定的,無論集羣種子 是否有已知的算法來實現這一目標? 澄清: 說我要3個集羣,說:現實-1 我開始與I1,I33,I89在現實中,2種集羣C1,C2,C3 我開始與I44,I55,I77作爲種子簇C1,C2,C3 我想在這兩個現實所產生