无监督学习

今天，和大家分享一下机器学习之无监督学习中的常见的聚类方法。

11 月 13 日，微软研究院（Microsoft Research）和普林斯顿大学研究人员，提出了一个通用框架，用于设计无监督学习问题的有效算法，如高斯分布和子空间聚类的混合。

在人工智能技术的讨论中，监督学习往往会得到最多的宣传，因为它通常是用于创建人工智能模型的最后一步，用于图像识别、更好的预测、产品推荐和潜在客户评分等。

本文介绍的是「无监督学习中的非概率模型」的有关内容里的稀疏编码(Sparse Coding)和自编码器(Autoencoder)，这两种结构也是「无监督学习」的基本构件。

随着新型网络威胁、攻击与日俱增，安全研究机构也开始尝试利用无监督学习技术来应对挑战，特别是层出不穷的未知威胁挑战。

现在的 AI 到底有没有意识？如何定义意识？AI 的前进方向是通过更好的数据标签来改善监督学习，还是大力发展自监督 / 无监督学习？在 IEEE Spectrum 的最近的一次访谈中，图灵奖得主、Meta 首席 AI 科学家 Yann LeCun 表达了自己的看法。

在这里，我将机器学习的问题简化为两种统计学习。 因为我认为无监督学习没有明确的定义，所以我不使用最常见的有监督/无监督分类。 2020-06-09 08:09:07 机器学习统计学习无监督学习 通过机器学习实现更智能的公用事业管理 人工智能(AI)和机器学习(ML)正在迅速改变我们生活的许多元素，包括公用事业行业。 2020-06-08 19:27:36 机器学习技术智慧城市 AI+数据科学：六种方式改变体育行业 随着科技的发展，人工智能与数据科学已经在体育领域发挥越来越重要的作用。世界上鲜有事物无法量化，而能够量化的一切，都可以使用数据分析加人工智能的组合进行精确预测。 2020-06-08 16:31:28 人工智能数据科学体育 人工智能，正在改变建筑行业的面貌 建筑业可以说是历史最悠久的行业之一，毕竟早在几千年前，人们就已经开始建造各类住房处所。而随着时间的推移，建筑行业在设计、规划与结构方面也迎来了长足发展。最近几十年以来，从业者还开始大量引入各类高新科技，希望在提高工作效率的同时，将建筑项目与结构安全性推向新的高度。 2020-06-08 15:55:43 人工智能建筑业施工 数字孪生弥合了深度学习的数据鸿沟 随着企业开始使用可将其数据投入使用的深度学习(DL)项目，他们必须保护这些数据，而数字孪生是成功的关键。 2020-06-08 14:43:35 数字孪生深度学习数据 自动驾驶汽车可能难以消除大多数交通事故 据统计，驾驶员失误几乎是造成交通事故的主要原因。这就是为什么自动化一直被视为潜在的安全游戏规则改变者。但是，根据高速公路安全保险协会(IIHS)的一项最新研究，如果自动驾驶系统像人一样开车，自动驾驶汽车可能只能防止大约三分之一的车祸。 2020-06-08 10:57:41 自动驾驶交通事故无人驾驶 IIHS：无人驾驶汽车只能降低三分之一的交通事故 根据汽车安全专家的说法，大约94%的车祸是由人造成的。但是，IIHS的研究发现，自动驾驶汽车只会解决其中三分之一。 2020-06-08 10:47:45 无人驾驶安全交通 这份AI算法岗面经很干货：亚马逊分享实战经验，履历到面试全都有 如果你是算法工程师，加入亚马逊这样的公司，会经历一个怎样的面试过程？最近这则详实面经，获得高赞，或许可能给你一些参考和借鉴。 2020-06-08 10:21:39 AI 数据人工智能 一边动，一边画，自己就变二次元：实时交互式视频风格化 这是来自布拉格捷克理工大学和Snap研究所的黑科技——**只需要2个特定的帧，就能实时变换视频中对象的颜色、风格甚至是样式。

本文简要介绍了多种无监督学习算法的 Python 实现，包括 K 均值聚类、层次聚类、t-SNE 聚类、DBSCAN 聚类。

2017 年，在无监督学习领域发生了什么?在本文中，我将从个人角度概览一些最近工作进展的。

生成对抗网络（GAN）是一类在无监督学习中使用的神经网络，其有助于解决按文本生成图像、提高图片分辨率、药物匹配、检索特定模式的图片等任务。

在机器学习中，无监督学习一直是我们追求的方向，而其中的聚类算法更是发现隐藏数据结构与知识的有效手段。