machine-learning - 可用的无监督分类方法

Question

我正在进行一项涉及“无监督分类”的研究。基本上我有一个 trainSet，我想以无监督的方式将数据聚类到 X 个类中。想法与 k-means 的做法类似。

比方说

步骤1)featureSet 是一个 [1057x10] 矩阵，我想将它们聚类成 88 个簇。

步骤2)使用之前计算的类来计算 testData 的分类方式

问题- 是否可以使用 SVM 或 N-N 来做到这一点？还要别的吗 ？-还有其他建议吗？

Answer 1

有许多聚类算法，网络上充斥着有关它们的信息和示例实现。维基百科关于聚类分析的条目 Cluster_analysis 是一个很好的起点。 .

由于您有一个有效的 k-means 实现，您可以尝试多种变体之一，看看它们是否会产生更好的结果(也许是 k-means++，正如您提到的 SVM)。如果您想要一种完全不同的方法，请查看 Kohonen Maps - 也称为自组织特征图。如果这看起来太棘手，一个简单的层次聚类将很容易实现(找到最近的两个项目，组合，冲洗和重复)。