使用PCA时监督学习和无监督学习的区别
我已阅读答案here。但是,我不能将其应用于我的示例之一,因此我可能仍然不明白。使用PCA时监督学习和无监督学习的区别
这里是我的例子: 假设我的程序正在尝试学习PCA(主成分分析)。 或对角化过程。 我有一个矩阵,答案是它的对角化:
A = PDP -1
如果我理解正确:
在监督学习我将所有尝试与它的错误
我的问题是:
- 我会在无监督学习?
当我在试验中进行试验时,是否会出现每次试验的错误,而不是提前发生所有错误?或者是别的什么?
首先,PCA既不用于分类,也不用于聚类。它是一种数据分析工具,您可以在数据中找到主要组件。这可以用于例如,例如降维。有监督和无监督学习在这里没有关系。
然而,PCA往往可以应用于使用学习算法之前数据。
在监督式学习中,您有(如您所说)一组标有“错误”的数据。
在监督学习你没有任何标签,即,你不能确认任何事情。你所能做的就是以某种方式聚集数据。目标通常是实现内部更均匀的集群。可以测量成功,例如。,使用范围内的集群内方差度量。
但是聚类如何提供帮助?也许这两个集群集都不是PCA结果......我没有看到集群分析中的重点。 – user135172
@ user135172在谈论聚类分析时忘掉PCA,它是苹果和桔子。 **集群示例:**假设您正在制作音乐推荐系统,并且您想推荐具有类似品味的用户喜欢的音乐。然后,您可以将所有用户关于他们的音乐偏好集中在一起(例如,使用DBSCAN)。然后,当单个用户被推荐为音乐时,您会呈现与选定用户相同的群集中的其他人的所有音乐。这是无监督的学习。 – Snps
我明白了,它是否像间接系统?我的意思是,在这个音乐推荐器的例子中,监督式学习将是怎样的,它是一个直接检查音乐类型而不是间接检查同一群人的系统吗?这是监督学习和非监督学习之间的区别吗? – user135172
监督学习:
- >你给不同标记例如数据作为输入与正确答案一起。
- >该算法将学习它,并根据输入开始预测正确的结果。
例如:email spam filter
无监督学习:
- >你给仅仅是数据而没有告诉像标签或正确答案什么。
- >算法自动分析数据中的模式。
例如:google news
的[?是什么监督学习和无监督学习之间的差别(可能的复制http://*.com/questions/1832076/what-is-the-difference在监督学习和无监督学习之间) –