- 1、本文档共34页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Unsupervised Learning:
Principle Component Analysis
Unsupervised Learning
• Dimension Reduction • Generation (無中生有)
(化繁為簡)
only having
function input
only having
function
function output
function
Random numbers
Dimension Reduction
vector x function vector z
(High Dim) (Low Dim)
Looks like 3-D Actually, 2-D
Dimension Reduction
• In MNIST, a digit is 28 x 28 dims.
• Most 28 x 28 dim vectors are not digits
3
-20 。 -10 。 0 。 10 。 20 。
0
Clustering Cluster 3 0
1
1 Open question: how many 0
0 clusters do we need? 1
0 0
Cluster 1
Cluster 2
• K-means
1
• Clustering = , ⋯, , ⋯, into K clusters
• Initialize cluster center , i=1,2, … K (K random from )
• Repeat
文档评论(0)