模式识别课件-非监督学习方法.pdfVIP

模式识别 第九章非监督学习方法 北京航 空航天大学计算机学院 引言  监督学习 （supervised learning） ：用 已知 类 别的样本训练分类器，以求对训练集数据达 到某种 最优 ，并能推广到对新数据 的分类  非监督学习 （unsupervised learning） ：样本 数据 类别未知 ，需要根据样本间的相似性对 样本集进行分类 （聚类，clustering） 监督与非监督学习方法比较  监督学习方法必须要有训练集与测试样本。在训 练集中找规律 ，而对测试样本使用这种规律 ；而 非监督学习只有一组数据 ，在该组数据 集内寻找 规律 。  监督学习方法的 目的是识别事物 ，给待识别数据 加上标注 （label） ，因此训练样本集必须由带 标注的样本组成。而非监督学习方法只有要分析 的数据 集本身，没有标注。如 果发现数据 集呈现 某种聚集性 ，则可按 自然的聚集性分类，但 不以 与某种预先的分类标注对上号为 目的。 主要的非监督学习方法  基于概率密度函数估