课程进度 30% · 第4/11章第4/11章 · 标签 1/3
— 1 —
无监督学习算法
无监督学习概述
无监督学习是机器学习的重要分支，它从未标记的数据中发现隐藏的模式和结构。 与监督学习不同，无监督学习不需要人工标注的标签，而是通过数据本身的特征和分布来学习。 主要任务包括聚类分析、降维技术和关联规则挖掘。
聚类分析降维技术关联规则
常用算法详解
K-Means聚类算法
K-Means是最经典的聚类算法之一，它将数据划分为K个簇，每个簇由其质心代表。 算法通过迭代分配数据点到最近的质心，并更新质心位置，直到收敛。 适用于球形簇，需要预先设定K值，对初始质心选择敏感。
— 2 —
PCA主成分分析
PCA（主成分分析）是一种常用的降维技术，通过线性变换将高维数据映射到低维空间， 保留数据中方差最大的方向。主成分是原始特征的线性组合，彼此正交。 常用于数据可视化、降噪和特征提取。
DBSCAN聚类算法
DBSCAN（基于密度的空间聚类算法）可以发现任意形状的簇，并自动识别噪声点。 核心思想：在指定半径(eps)内包含足够多(min_samples)数据点的区域被视为密集区域。 无需预设簇数，能处理非球形簇，对噪声鲁棒。
K-MeansPCADBSCAN聚类降维关联规则