非监督式学习

来自中文百科,文化平台
跳转至： 导航、 搜索

非监督式学习（英语：unsupervised learning），又称无监督学习，是机器学习的一种方法，没有给定事先标记过的训练范例，自动对输入的资料进行分类或分群。无监督学习的主要运用包含：聚类分析（cluster analysis）、关联规则（association rule）、维度缩减（dimensionality reduce）。它是监督式学习和强化学习等策略之外的一种选择。

一个常见的无监督学习是数据聚类。在人工神经网络中，生成对抗网络（GAN）、自组织映射（SOM）和适应性共振理论（ART）则是最常用的非监督式学习。

ART模型允许丛集的个数可随着问题的大小而变动，并让使用者控制成员和同一个丛集之间的相似度分数，其方式为通过一个由使用者自定而被称为警觉参数的常数。ART也用于模式识别，如自动目标辨识和数码信号处理。第一个版本为"ART1"，是由卡本特和葛罗斯柏格所发展的。

方法

非监督式学习常使用的方法有很多种，包括：

参见




取自“https://www.zwbk2009.com/index.php?title=非监督式学习&oldid=816038”