无监督学习方法的模型、策略、算法
无监督学习用于聚类、降维、话题分析、图分析。
| / | 方法 | 模型 | 策略 | 算法 |
|---|---|---|---|---|
| 聚类 | 层次聚类 | 聚类树 | 类内样本距离最小 | 启发式算法 |
| 聚类 | K均值聚类 | K中心聚类 | 样本与类中心距离最小 | 迭代算法 |
| 聚类 | 高斯混合模型 | 高斯混合模型 | 似然函数最大 | EM算法 |
| 降维 | PCA | 低维正交空间 | 方差最大 | SVD |
| 话题分析 | LSA | 矩阵分解模型 | 平方损失最小 | SVD |
| 话题分析 | NMF | 矩阵分解模型 | 平方损失最小 | 非负矩阵分解 |
| 话题分析 | PLSA | PLSA模型 | 似然函数最大 | EM算法 |
| 话题分析 | LDA | LDA模型 | 后验概率估计 | 吉布斯抽样，变分推理 |
| 图分析 | PageRank | 有向图上的马尔可夫链 | 平稳分布求解 | 幂法 |
术语注释
- PCA : 主成分分析（Principal Components Analysis）
- LSA ：潜在语义分析（Latent Semantic Analysis）
- NMF ：非矩阵分解（Non-negative Matrix Factorization）
- PLSA : 概率潜在语义分析（Probabilistic Latent Semantic Analysis）
- SVD : 奇异值分解（Singular Value Decomposition）
- LDA : 潜在狄利克雷分配（Latent Dirichlet Allocation）
---摘自《统计学习方法》·李航
