人工智能_49. 聚类算法与降维算法.docxVIP

49：聚类算法与降维算法

教师姓名

授课名称

人工智能及机器学习基础知识

授课形式

授课班级

授课地点

授课日期

章节名称

聚类算法与降维算法

教学目的

掌握聚类算法与降维算法的原理及应用。

了解聚类算法与降维算法的应用。

重点难点

重点：聚类算法与降维算法的原理及应用。

难点：无监督学习常用的算法。

主要内容

课程引入

机器学习分类如下：

监督学习 （supervisedlearning）

无监督学习（unsupervisedlearning）

强化学习（reinforcementlearning）

半监督学习（semi-supervisedlearning），介于监督学习和无监督学习之间。半监督学习也称为弱监督学习。

课程内容

聚类

聚类算法是无监督学习算法中最典型的代表。聚类算法就是计算种群中的距离，根据距离的远近将数据划分为多个族群。聚类算法中最典型的代表就是K-Means算法

降维算法

降维算法也是一种无监督学习算法，主要特征是将数据从高维降低到低维。

维度表示数据的特征量的大小。例如，房价包含房子的长、宽、面积与房间数量四个特征，也就是维度为4维的数据。可以看出来，长与宽事实上与面积表示的信息重叠了，例如面积=长×宽。通过降维算法，可以去除冗余信息，将特征减少为面积与房间数量两个特征，即从4维的数据压缩到2维。这样，不仅利于表示，同