09-2-無監(jiān)督學(xué)習(xí)的文本聚類_第1頁
09-2-無監(jiān)督學(xué)習(xí)的文本聚類_第2頁
09-2-無監(jiān)督學(xué)習(xí)的文本聚類_第3頁
09-2-無監(jiān)督學(xué)習(xí)的文本聚類_第4頁
09-2-無監(jiān)督學(xué)習(xí)的文本聚類_第5頁
已閱讀5頁，還剩8頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

機器學(xué)習(xí)與自然語言處理Python自然語言處理第十章課前回顧文本分類特征提取、標注搜索、排序、推薦序列學(xué)習(xí)無監(jiān)督學(xué)習(xí)的文本聚類02聚類算法流程無監(jiān)督學(xué)習(xí)的文本聚類無監(jiān)督學(xué)習(xí)：根據(jù)類別未知（沒有被標記）的訓(xùn)練樣本解決模式識別中的各種問題，稱之為無監(jiān)督學(xué)習(xí)（UnsupervisedLearning）只提供輸入變量（自變量X），沒有對應(yīng)的輸出變量（因變量）無監(jiān)督學(xué)習(xí)的文本聚類

常見無監(jiān)督學(xué)習(xí)任務(wù)：聚類樣本分組降維減少變量數(shù)量表征學(xué)習(xí)在歐幾里得空間里表示對象無監(jiān)督學(xué)習(xí)的文本聚類

聚類：將數(shù)據(jù)集中的樣本劃分為若干個通常是不相交的子集聚類圖示例無監(jiān)督學(xué)習(xí)的文本聚類文本聚類算法：K-meansDBSCANBIRCHCURE無監(jiān)督學(xué)習(xí)的文本聚類

K-means算法思想：K-means流程圖以空間中k個點為中心進行聚類，對最靠近他們的對象歸類，通過迭代的方法，逐次更新各聚類中心的值，直到得到最好的聚類結(jié)果無監(jiān)督學(xué)習(xí)的文本聚類

初始聚類點的方法：隨機選擇法最小最大法最小距離法最近歸類法無監(jiān)督學(xué)習(xí)的文本聚類

K-means算法例子：無監(jiān)督學(xué)習(xí)的文本聚類最可能真實類別數(shù)K：分類數(shù)SSE（SumofSquaresforError）：誤差項平方和設(shè)置自動歸類的類別數(shù)k——手肘法：課程小結(jié)無監(jiān)督學(xué)習(xí)：聚類、降維、表征學(xué)習(xí)文本聚類K-mean

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論