我已经阅读了答案here。但是,我无法将其应用于我的示例之一,因此我可能仍然不了解它。

这是我的示例:
假设我的程序正在尝试学习PCA(主要成分分析)。
或对角化过程。
我有一个矩阵,答案是对角线化:


  A = PDP-1


如果我正确理解:

在有监督的学习中,我将尝试所有错误

我的问题是:


在无人监督的学习中我会得到什么?


在进行试验时,每次试验都会出现错误,而不是所有错误都提前吗?或者是别的什么?

最佳答案

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,可在其中找到数据的主要成分。这可以用于例如降维。有监督和无监督的学习在这里没有意义。

但是,PCA通常可以在使用学习算法之前应用于数据。

在监督学习中,您拥有(如您所说的)带有“错误”的标记数据集。

在无监督学习中,您没有任何标签,即您根本无法验证任何内容。您所能做的就是以某种方式对数据进行聚类。目标通常是实现内部更均一的集群。可以例如使用集群内方差度量来测量成功。

关于machine-learning - 使用PCA时有监督和无监督学习的区别,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/42142158/

10-11 00:16