机器学习聚类.PPT

THE END！ * 机器学习：聚类 (CLUSTERING) 聚类方法：层次聚类（ Hierarchical Clustering） 常用于系统发生树的构造（基于序列）： * 机器学习：聚类 (CLUSTERING) 聚类与系统发生树 * 棕熊 北极熊 黑熊 眼镜熊 大熊猫 浣熊 小熊猫 机器学习：聚类 (CLUSTERING) 聚类与系统发生树 * 机器学习：聚类 (CLUSTERING) 聚类方法：有瑕团聚类（ Corrupted Cliques Clustering） 团是图论中的概念： 通过删边和加边，一个图可以破解为团的集合： * 机器学习：聚类 (CLUSTERING) 聚类方法：有瑕团聚类 待聚类数据的距离矩阵为完全图的邻接矩阵： 通过取一个阈值，可以将距离大的边删除； 将剩余的图破解为团的集合，每个团对应一个聚类； * 机器学习：双聚类 (BI-CLUSTERING) 双聚类：大规模表达数据的聚类 基因并不在所有条件下表达； 基因受多个转录因子调控； 两步聚类不能解决问题； * 条件 基 因 传统聚类 双聚类 机器学习：双聚类 (BI-CLUSTERING) 双聚类的目标：相关性 * 机器学习：分类 聚类与分类的区别： 训练集合有无 （监督与非监督） 类别已知和未知 * f( ) f( ) f( ) f( ) f( ) f( ) f( ) f( ) f(.) f( ) f( ) f( ) f( ) f( ) f( ) f( ) f( ) f( ) f( ) 机器学习：分类 分类问题及其算法 对研究对象进行贴标签式分类； 用途： 自然科学中有很多分类问题； 生物种群分类； 基于训练集合进行特征选取； 基于各种特征进行疾病诊断； 方式： 基于各种特征，或在机器学习过程中提取特征； 一般基于训练集合给出关于特征的标准； * 机器学习：分类 二分类问题： 目的：将研究目标分为不同属性的两类； 标准：基于训练集合的特征选取和特征函数构造； 方法：利用学习出来的标准对新目标进行分类； 方法： 贝叶斯分类； 决策树； 支持向量机； 人工神经网络； k 近邻法； 。。。 * 机器学习：决策树 决策树(Decision Tree) 决策树由一个决策图和可能的结果组成， 用来创建到达目标的规划。 常用于分类； 动物分类的例子： 基于不同的属性进行分步骤的判断； * 根结点 个子大 可能是松鼠 可能是老鼠 可能是大象 在水里 会吱吱叫 鼻子长 脖子长 个子小 不会吱吱叫 鼻子短 脖子短 可能是长颈鹿 在陆地上 可能是犀牛 可能是河马 机器学习：决策树 要素： 特征参数：xi；分类标签： y= 0 or 1； 训练集合： (xi, yi) 构造树：决策结点、分支和叶结点。 步骤： 利用训练集建立并精化决策树，建立决策树模型。 利用决策树对新数据进行分类。从根结点依次测试记录的属性值，直到到达某叶结点，找到该记录所在的类。 关键点： 建树（Tree Building）：决策树建树算法见下，这是一个递归的过程，最终将得到一棵树。 剪枝（Tree Pruning）：剪枝的目的是降低由于训练集存在噪声而产生的起伏。 * 机器学习：决策树 决策树算法的点如下： 决策树是一种构建分类模型的非参数方法； 不需要昂贵的的计算代价； 决策树相对容易解释； 决策树是学习离散值函数的典型代表； 决策数对于噪声的干扰具有相当好的鲁棒性； 冗余属性不会对决策树的准确率造成不利影响； 找到最佳的决策树理论上是 NP 难问题； * 机器学习：决策树 例子：天气与高尔夫球场客流量； 对决策树的期望： 规模较小； 叶节点尽量少，熵值低； 决策节点特征的选取； * 机器学习：决策树 决策树的一些缺点： 数据碎片问题。随着树的生长，可能导致叶结点记录数太少，对于叶结点代表的类，不能做出具有统计意义的判决； 子树可能在决策树中重复多次，使决策树过于复杂； 判定条件太过明确，导致争议； * 机器学习：支持向量机 支持向量机 （SVM, Supporting Vector Machine） Vapnik； 起源于线性分类器，线性可分； 扩展到线性不可分的情况； 甚至扩展到使用非线性函数中去。 近年来的热点方法； 监督式学习（supervised learning） * 机器学习：支持向量机 思想： 如果两类别训练样本线性可分，则在两个类别的样本集之间存在一个间隔。我们来寻找最优分界面；对一个二维空间的问题用下图表示。 * 机器学习：支持向量机 思想（续1） H 是将两类分开的分界面，而 H1 与 H2 与 H 平行，H 是其平分面，H1 上的样本是第一类样本到 H 最近距离的点，H2 的点