3.1 无监督学习-无监督学习-吴恩达

无监督学习

1. 聚类

1.1 k-means

• 如果一个集群训练样本为零，可以消除该集群，最终得到k-1；另一种方法是重新初始化该集群质心

1.2 优化目标

1.3 初始化

1.4 选择聚类数量

• 肘法

2. 异常检测

2.1 密度估计

2.2 高斯正态分布

• 最大似然估计

2.3 异常检测算法

2.4 开发与评估异常检测系统.

• 这种替代方案的缺点是，在调整算法后，您没有公平的方法来判断它在未来示例中的实际效果如何，因为您没有测试集。

• 当你的数据集很小的时候，特别是当你有异常的数量时，你的数据集很小，这可能是你最好的选择。

2.5 异常检测vs监督学习

• 例子

2.6 选择用什么特征

• 特征改变为高斯分布