05第五章非监督学习法5.1非-5.2.pptVIP

第五章 非监督学习法 在学习本章时首先要弄清本章的主要内容是什么？这要从非监督学习方法的主要任务，与前几章讨论问题的主要任务相对照，从对比它们的差别体会到学习本章的目的，特别是体会非监督学习方法是研究对数据进行分析，在数据中寻找规律的方法学的。 §5.1 引言 *中国矿业大学 计算机科学与技术学院 第五章 非监督学习法 学习指南 研究数据中的规律性有许多不同的方面。在本章主要是按数据体现的共性将具有相同共性的数据划分在一起，将具有不同共性的数据划分开。找到数据体现的共性才能找到这些数据内在的规律。 将数据按它们表现出的共性进行划分有两种基本方法，从大体上去把握这种不同方法的特点。 在实用中C均值算法等为代表的动态聚类方法，以及分级聚类方法是常用的方法，要重点掌握。 学习中要掌握从易而难的学习方法，如对数据相似度的度主方法最容易的是欧氏距离，然后再扩展到种种非欧氏距离的方法。 本章重点 1、什么叫非监督学习方法，什么叫有监督学习方法？ 2、非监督学习方法主要的用途。 3、非监督学习方法的两种基本处理方法：按分布密集程度划分，与按相似度聚类划分。 4、按分布密度程度划分的基本方法。 5、动态聚类方法与分级聚类方法的概念。 6、典型的动态聚类方法C-均值算法与ISODATA算法。 7、使用非欧氏距离计算相似度的动态聚类方法。 8、分级聚类方法。 1、非监督学习方法与监督学习方法概念的区别。 2、按分布密集程度划分的基本方法。 本章难点 3、动态聚类方法——迭代修正的概念。 4、分级聚类方法。 1、掌握非监督学习方法的概念、用途。 本章学习目标 2、了解非监督学习方法对数据划分有两种基本方法。 3、掌握以c-均值算法，ISODATA算法为代表的动态聚类方法。 1、如果给机器一维数据，机器能自动地找出其中存在的规律吗？ 2、有人把非监督学习方法叫无教师的学习，而把第二章、第三章讨论的内容成为有监督学习，又称有教师的学习，你知道谁是教师吗？教师的作用体现在哪里？ 课前思考题 3、机器能总结数据中存在的哪些规律呢？ 4、机器能总结天气变化的规律，给出天气预报吗？ 5、机器能炒股吗？ 6、非监督学习方法与数据有关系吗？ 有监督的学习方法 无监督的学习方法 人们日常生活中经常要观察事物与分析事物，从中寻找其规律性，这就是非监督学习方法要解决的问题。 非监督学习与有监督学习方法的以下几种不同点： 1、有监督学习方法必须要有训练集与测试样本。 而非监督学习没有训练集这一说，只有一组数据，在该组数据集内寻找规律。 2、有监督学习方法的目的就是识别事物，识别的结果表现在给待识别数据加上了标号。 而非监督学习方法只有要分析的数据集本身，预先没有什么标号。 3、非监督学习方法在寻找数据集中的规律性，这种规律性并不一定要达到划分数据集的目的，也就是说不一定要“分类”。这一点是比有监督学习方法的用途要广泛。 4、用非监督学习方法分析数据集的主分量与用K-L变换计算数据集的主分量又有区别。应该说后者从方法上讲不是一种学习方法。因此用K-L变换找主分量不属于非监督学习方法，即方法上不是。而通过学习逐渐找到规律性这体现了学习方法这一点。在人工神经元网络中寻找主分量的方法属于非监督学习方法。 无监督学习方法可以分成两大类： 1、基于概率密度函数估计的直接方法，指设法找到各类别在特征空间的分布参数再进行分类。 2、基于样本间相似性度量的间接聚类方法，其原理是设法定出不同类别的核心或初始类核，然后依据样本与这些核心之间的相似性度量将样本聚集成不同类别。 §5.2 单峰子类的分离方法 每个单峰区域则被看作不同的决策域。落在同一单峰区域的待分类样本就被划分成同一类，称为单峰子类。 单峰子集分离示意图 §5.2.1 投影法 *中国矿业大学 计算机科学与技术学院 第五章 非监督学习法