【Scikit-Learn 中文文档】无监督学习: 寻求数据表示 - 关于科学
|
中文文档:?http://sklearn.apachecn.org/cn/stable/tutorial/statistical_inference/unsupervised_learning.html 英文文档:?http://sklearn.apachecn.org/en/stable/tutorial/statistical_inference/unsupervised_learning.html
官方文档:?http://scikit-learn.org/stable/ GitHub:?https://github.com/apachecn/scikit-learn-doc-zh（觉得不错麻烦给个 Star，我们一直在努力） 贡献者:?https://github.com/apachecn/scikit-learn-doc-zh#贡献者 关于我们:?http://www.apachecn.org/organization/209.html
无监督学习: 寻求数据表示聚类: 对样本数据进行分组可以利用聚类解决的问题 对于 iris 数据集来说，我们知道所有样本有 3 种不同的类型，但是并不知道每一个样本是那种类型：此时我们可以尝试一个?clustering task（聚类任务）?聚类算法: 将样本进行分组，相似的样本被聚在一起，而不同组别之间的样本是有明显区别的，这样的分组方式就是?clusters（聚类） K-means 聚类算法关于聚类有很多不同的聚类标准和相关算法，其中最简便的算法是?K-means?。
Warning ?k_means 算法无法保证聚类结果完全绝对真实的反应实际情况。首先，选择正确合适的聚类数量不是一件容易的事情，第二，该算法对初始值的设置敏感，容易陷入局部最优。尽管 scikit-learn 采取了不同的方式来缓解以上问题，目前仍没有完美的解决方案。
Don’t over-interpret clustering results（不要过分解读聚类结果） Application example: vector quantization（应用案例:向量量化(vector quantization)） 一般来说聚类，特别是 K_means 聚类可以作为一种用少量样本来压缩信息的方式。这种方式就是?vector quantization?。例如，K_means 算法可以用于对一张图片进行色调分离: matplotlib.pyplot plt
sklearn.feature_extraction.image import grid_to_graph
sklearn.cluster import AgglomerativeClustering
# #############################################################################
# Generate data
try: # SciPy >= 0.16 have face in misc
scipy.misc import face
face = face(grayTrue)
ImportError:
face True)
# Resize it to 10% of the original size to speed up the processing
face .misc.imresize(face, 0.10) / 255.
X .reshape(face, (1))
# Define the structure A of the data. Pixels connected to their neighbors.
connectivity = grid_to_graph(*face.shape)
# #############################################################################
特征聚集我们已经知道，稀疏性可以缓解特征维度带来的问题，i.e?即与特征数量相比，样本数量太少。 另一个解决该问题的方式是合并相似的维度：feature agglomeration（特征聚集）。该方法可以通过对特征聚类来实现。换 句话说，就是对样本数据转置后进行聚类。
digits .load_digits()
>>> images = digits.images
.reshape(images, (len(images), 1))
>>> connectivity *images[0].shape)
>>> agglo .FeatureAgglomeration(connectivity=connectivity,
... n_clusters32)
>>> aggloFeatureAgglomeration(affinity='euclidean',compute_full_tree='auto',9); font-weight:bold">>>> X_reduced = agglo.transform(X)
>>> X_approx .inverse_transform(X_reduced)
>>> images_approx .reshape(X_approx, images.shape)
Some estimators expose a? 分解: 将一个信号转换成多个成份并且加载
Components and loadings（成分和载荷） 如果 X 是多维数据，那么我们试图解决的问题是在不同的观察基础上对数据进行重写。我们希望学习得到载荷 L 和成分 C 使得?X = L C?。提取成分 C 有多种不同的方法。 主成份分析: PCA主成分分析（PCA）?将能够解释数据信息最大方差的的连续成分提取出来
上图中样本点的分布在一个方向上是非常平坦的：即三个单变量特征中的任何一个都可以有另外两个特征来表示。主成分分析法(PCA)可以找到使得数据分布不?flat?的矢量方向(可以反映数据主要信息的特征)。 当用主成分分析(PCA)来?transform（转换）?数据时，可以通过在子空间上投影来降低数据的维数。
# Create a signal with only 2 useful dimensions
>>> x1 .random.normal(size100)
>>> x2 >>> x3 = x1 + x2
.c_[x1, x2, x3]
import decomposition
>>> pca = decomposition.PCA()
>>> pca.fit(X)
PCA(copy=True,iterated_power='auto',n_components=None,random_state=None,
svd_solver='auto',tol=0.0,whiten=False)
print(pca.explained_variance_)
[ 2.18565811e+00 1.19346747e+00 8.43026679e-32]
# As we can see,only the 2 first components are useful
.n_components = 2
= pca.fit_transform(X)
>>> X_reduced.shape
(100,2)
独立成分分析: ICA独立成分分析（ICA）?可以提取数据信息中的独立成分，这些成分载荷的分布包含了最多的 的独立信息。该方法能够恢复?non-Gaussian（非高斯）?独立信号:
numpy np
import signal
>>> time .linspace(0,80)">10,80)">2000)
>>> s1 .sin(2 * time) # Signal 1 : sinusoidal signal
>>> s2 .sign(np3 * time)) # Signal 2 : square signal
>>> s3 = signal.sawtooth(* np.pi # Signal 3: saw tooth signal
>>> S .c_[s1, s2, s3]
+= 0.2 =S.shape) # Add noise
/= S.std(axis0) # Standardize data
# Mix data
>>> A .array([[1], [0.5,80)">2,80)">1.5,80)">2]]) # Mixing matrix
.dot(S, A.T) # Generate observations
# Compute ICA
>>> ica .FastICA()
>>> S_ = ica.fit_transform(X) # Get the estimated sources
>>> A_ .mixing_.T
>>> np.allclose(X, np.dot(S_, A_) + ica.mean_)
True
有兴趣的们也可以和我们一起来维护，持续更新中 。。。 机器学习交流群:?629470233 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
