引言 口例子 ▣Image clustering 酒 25
p 例子 p Image clustering
引言 ▣例子 口有组织计算机集群，社交网络分析，市场划分，天文数据分析等 Organize computing clusters Social network analysis Market segmentation Astronomical data analysis Andrew Ng
p 例子 p 有组织计算机集群，社交网络分析，市场划分，天文数据分析等
引言 ▣无监督方法可有助于特征选择 ● 用无监督方法提取一些对进一步分类很有用的 基本特征 独立于数据的“灵巧预处理”，“灵巧特 征提取” 。揭示观测数据的一些内部结构和规律 就能更有效设计有针对性的分类器
p 无监督方法可有助于特征选择
引言 ▣Yann LeCun:无监督学习代表了AI技术的未来。 Reinforcement Learning (cherry) The machine predicts a scalar reward given once in a while. A few bits for some samples Supervised Learning (icing) The machine predicts a category or a few numbers for each input 10-10,000 bits per sample Unsupervised Learning (cake) The machine predicts any part of its input for any observed part. Predicts future frames in videos Millions of bits per sample ▣Yoshua Bengio:无监督学习是深度学习突破的关键，是现 在人工智能的一个重大挑战，可能还要花费数十年的时间才 能解决
p Yann LeCun: 无监督学习代表了 AI 技术的未来。 p Yoshua Bengio: 无监督学习是深度学习突破的关键, 是现 在人工智能的一个重大挑战, 可能还要花费数十年的时间才 能解决
目录 口无监督学习任务 口基于原型的学习方法 ▣EM算法 ▣动态聚类方法 口新方法
p 无监督学习任务 p 基于原型的学习方法 p EM算法 p 动态聚类方法 p 新方法