吴恩达机器学习学习笔记（6）

核心内容梳理（2.5 非监督学习 part 2）

1. 非监督学习的核心算法介绍

• K-means 聚类算法：
  • 基本原理：通过预设 K 个初始聚类中心，计算每个样本与中心的距离，将样本分配到最近的聚类，再重新计算聚类中心，反复迭代直至中心稳定。
  • 关键步骤：确定 K 值→初始化中心→分配样本→更新中心→收敛判断。
  • 应用示例：电商用户分群（根据购买频率、消费金额等特征，将用户划分为 K 个群体，针对性制定营销策略）。
• 降维算法：
  • 主成分分析（PCA）：通过线性变换将高维数据映射到低维空间，保留数据中方差最大的方向（主成分），在减少维度的同时保留关键信息。
  • 应用场景：高维图像数据预处理（如将 1000 维的图像特征压缩至 200 维，加速后续模型训练）、数据可视化（将高维数据降维至 2D/3D，直观展示数据分布）。

2. 非监督学习的实践挑战

• 聚类结果的评估：
  • 无标签数据缺乏明确的评估标准，需通过内部指标（如轮廓系数，衡量样本与所属聚类的相似度）或业务逻辑验证（如分群结果是否符合实际业务场景）。
  • 示例：客户分群后，需检查各群体的消费行为差异是否显著，是否对营销活动有实际指导意义。
• 参数选择的影响：
  • K-means 中 K 值的选择直接影响聚类效果，过小可能导致聚类模糊，过大可能出现冗余聚类（可通过肘部法，根据误差平方和的拐点确定最优 K 值）。
  • 降维算法中保留的主成分数量需平衡信息保留率与维度简化需求（如保留 95% 的方差能量时对应的主成分数量）。

3. 非监督学习与其他学习方式的结合

• 半监督学习：当标签数据有限时，先用非监督学习对无标签数据聚类，再利用少量标签数据优化模型（如先用 K-means 对大量无标注文本聚类，再用少量标注文本训练分类器）。
• 特征工程辅助：通过非监督学习提取数据的潜在特征，作为监督学习的输入（如用 PCA 对高维特征降维后，将低维特征输入逻辑回归模型，提升训练效率）。

4. 非监督学习的扩展应用

• 生成模型：通过学习数据分布生成新样本，如 GAN（生成对抗网络）基于真实图像数据生成逼真的新图像，应用于艺术创作、数据增强。
• 关联规则挖掘：从交易数据中发现物品间的关联（如 “购买面包的客户 80% 会购买牛奶”），用于货架摆放优化、捆绑销售推荐。