無監(jiān)督學(xué)習(xí)是一種用于在數(shù)據(jù)中查找模式的機(jī)器學(xué)習(xí)技術(shù)。無監(jiān)督算法給出的數(shù)據(jù)不帶標(biāo)記，只給出輸入變量(X)，沒有相應(yīng)的輸出變量。在無監(jiān)督學(xué)習(xí)中，算法自己去發(fā)現(xiàn)數(shù)據(jù)中有趣的結(jié)構(gòu)。

人工智能研究總監(jiān)嚴(yán)樂群解釋說，非監(jiān)督學(xué)習(xí)教學(xué)機(jī)器能夠自主學(xué)習(xí)，而不需要被明確告知它們所做的一切是對是錯(cuò)，這是實(shí)現(xiàn)真正人工智能的關(guān)鍵。

監(jiān)督與無監(jiān)督學(xué)習(xí)

在監(jiān)督學(xué)習(xí)中，系統(tǒng)試圖從前面給出的例子中學(xué)習(xí)。(另一方面，在無監(jiān)督學(xué)習(xí)中，系統(tǒng)試圖直接從給出的例子中找到模式。)如果數(shù)據(jù)集被標(biāo)記，它就會遇到監(jiān)督問題，如果數(shù)據(jù)集沒有標(biāo)記，那么它就是一個(gè)監(jiān)督問題。

SRC

左邊的圖像是監(jiān)督學(xué)習(xí)的一個(gè)例子;我們使用回歸技術(shù)來尋找特征之間的最佳匹配線。而在無監(jiān)督學(xué)習(xí)中，輸入是基于特征分離的，預(yù)測是基于它所屬的集群。

重要術(shù)語

特性:用于預(yù)測的輸入變量。

預(yù)測:當(dāng)提供一個(gè)輸入示例時(shí)，模型s的輸出。

示例:數(shù)據(jù)集的一行。示例包含一個(gè)或多個(gè)特性，可能還有一個(gè)標(biāo)簽。

標(biāo)簽:特性的結(jié)果。

為無監(jiān)督學(xué)習(xí)準(zhǔn)備數(shù)據(jù)

在本文中，我們使用Iris數(shù)據(jù)集進(jìn)行第一次預(yù)測。該數(shù)據(jù)集包含一組150條記錄，包含5個(gè)屬性:花瓣長度、花瓣寬度、萼片長度、萼片寬度和類別。蝴蝶花，蝴蝶花和花色蝴蝶花是三個(gè)等級。對于我們的無監(jiān)督算法，我們給出虹膜花的這四個(gè)特征，并預(yù)測它屬于哪一類。

我們使用Python中的sklearn庫加載Iris數(shù)據(jù)集，使用matplotlib實(shí)現(xiàn)數(shù)據(jù)可視化。下面是用于研究數(shù)據(jù)集的代碼片段。

# Importing Modules from sklearn import datasets import matplotlib.pyplot as plt # Loading dataset iris_df = datasets.load_iris() # Available methods on dataset print(dir(iris_df)) # Features print(iris_df.feature_names) # Targets print(iris_df.target) # Target Names print(iris_df.target_names) label = {0: 'red', 1: 'blue', 2: 'green'} # Dataset Slicing x_axis = iris_df.data[:, 0] # Sepal Length y_axis = iris_df.data[:, 2] # Sepal Width # Plotting plt.scatter(x_axis, y_axis, c=iris_df.target) plt.show()

['DESCR'，'data'，'feature_names'，'target'，'target_names'] ['sepal length（cm）'，'sepal width（cm）'，'petal length（cm）'，'petal width（厘米）']

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]

['setosa''versicolor''virginica']

紫羅蘭:瀨戶草，綠色:雜色，黃色:弗吉尼亞

在上面的圖像中，左邊的圖像是未分類的原始數(shù)據(jù)，右邊的圖像是聚類的(根據(jù)數(shù)據(jù)的特征進(jìn)行分類)。當(dāng)給定一個(gè)要預(yù)測的輸入時(shí)，它會根據(jù)它的特性檢查它所屬的集群，然后進(jìn)行預(yù)測。

Python中的K-Means聚類

K均值是一種迭代聚類算法，其目標(biāo)是在每次迭代中尋找局部最大值。選擇初始所需的集群數(shù)量。因?yàn)槲覀冎烙?個(gè)類，所以我們編寫算法將數(shù)據(jù)分組到3個(gè)類中，方法是將參數(shù)n個(gè)集群傳遞到KMeans模型中?，F(xiàn)在隨機(jī)將三個(gè)點(diǎn)(輸入)分配到三個(gè)集群中。根據(jù)每個(gè)點(diǎn)之間的質(zhì)心距離，下一個(gè)給定的輸入被分離成受尊重的集群。現(xiàn)在，重新計(jì)算所有集群的質(zhì)心。

集群的每個(gè)質(zhì)心是定義結(jié)果組的特征值的集合。質(zhì)心特征權(quán)值的檢驗(yàn)可以定性地解釋每個(gè)聚類所代表的組的類型。

從sklearn庫中導(dǎo)入KMeans模型，進(jìn)行特征擬合和預(yù)測。

K是Python中的實(shí)現(xiàn)。

# Importing Modules from sklearn import datasets from sklearn.cluster import KMeans # Loading dataset iris_df = datasets.load_iris() # Declaring Model model = KMeans(n_clusters=3) # Fitting Model model.fit(iris_df.data) # Predicitng a single input predicted_label = model.predict([[7.2, 3.5, 0.8, 1.6]]) # Prediction on the entire data all_predictions = model.predict(iris_df.data) # Printing Predictions print(predicted_label) print(all_predictions)

[0] [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 1 1 1 1 2 1 1 1 1 1 2 2 1 1 1 1 2 1 1 2 1 1 2 2 1 1 1 1 2 1 1 1 1 2 1 1 1 2 1 1 1 2 1 1 2]

分層聚類

分層聚類，顧名思義，是一種構(gòu)建集群層次結(jié)構(gòu)的算法。該算法首先將所有數(shù)據(jù)分配給自己的集群。然后將兩個(gè)最近的集群連接到同一個(gè)集群中。最后，當(dāng)只剩下一個(gè)集群時(shí)，該算法就結(jié)束了。

利用樹狀圖可以顯示層次聚類的完成情況?，F(xiàn)在讓我們看一個(gè)谷物數(shù)據(jù)分層聚類的例子。數(shù)據(jù)集可以在這里找到。

Python中的分層集群實(shí)現(xiàn)。

# Importing Modules from scipy.cluster.hierarchy import linkage, dendrogram import matplotlib.pyplot as plt import pandas as pd # Reading the DataFrame seeds_df = pd.read_csv( "https://raw.githubusercontent.com/vihar/unsupervised-learning-with-python/master/seeds-less-rows.csv") # Remove the grain species from the DataFrame, save for later varieties = list(seeds_df.pop('grain_variety')) # Extract the measurements as a NumPy array samples = seeds_df.values """ Perform hierarchical clustering on samples using the linkage() function with the method='complete' keyword argument. Assign the result to mergings. """ mergings = linkage(samples, method='complete') """ Plot a dendrogram using the dendrogram() function on mergings, specifying the keyword arguments labels=varieties, leaf_rotation=90, and leaf_font_size=6. """ dendrogram(mergings, labels=varieties, leaf_rotation=90, leaf_font_size=6, ) plt.show()

K均值和分層聚類之間的差異

層次聚類不能很好地處理大數(shù)據(jù)，K表示聚類可以。這是因?yàn)镵均值的時(shí)間復(fù)雜度是線性的，即O(n)，而層次聚類的時(shí)間復(fù)雜度是二次的，即O(n2)。

在K均值聚類中，當(dāng)我們從任意選擇的聚類開始時(shí)，多次運(yùn)行該算法生成的結(jié)果可能會有所不同。而結(jié)果在層次聚類中是可重復(fù)的。

當(dāng)星系團(tuán)的形狀是超球形(如二維的圓形，三維的球形)時(shí)，發(fā)現(xiàn)K 代表工作良好。

K-Means不允許有噪聲的數(shù)據(jù)，而在分層中我們可以直接使用有噪聲的數(shù)據(jù)集進(jìn)行聚類。

t-SNE聚類

它是一種無監(jiān)督的可視化學(xué)習(xí)方法。t-SNE代表t分布隨機(jī)鄰居嵌入。它將高維空間映射到可以可視化的二維或三維空間。具體地說，它通過一個(gè)二維或三維點(diǎn)對每個(gè)高維物體進(jìn)行建模，其方法是用附近的點(diǎn)對相似的物體建模，用高概率的遠(yuǎn)點(diǎn)對不同的物體建模。

Python中Iris數(shù)據(jù)集的t-SNE聚類實(shí)現(xiàn)。

# Importing Modules from sklearn import datasets from sklearn.manifold import TSNE import matplotlib.pyplot as plt # Loading dataset iris_df = datasets.load_iris() # Defining Model model = TSNE(learning_rate=100) # Fitting Model transformed = model.fit_transform(iris_df.data) # Plotting 2d t-Sne x_axis = transformed[:, 0] y_axis = transformed[:, 1] plt.scatter(x_axis, y_axis, c=iris_df.target) plt.show()

紫色：Setosa，綠色：Versicolor，黃色：Virginica

這里，由于Iris數(shù)據(jù)集具有四個(gè)特征（4d），將其轉(zhuǎn)換成二維圖表示。類似地，t-SNE模型可以應(yīng)用于具有n個(gè)特征的數(shù)據(jù)集。

DBSCAN群集

DBSCAN（基于密度的噪聲應(yīng)用空間聚類）是一種常用的聚類算法，用于替代預(yù)測分析中的k均值。它不需要您輸入集群的數(shù)量才能運(yùn)行。但作為交換，您必須調(diào)優(yōu)其他兩個(gè)參數(shù)。

scikit-learn實(shí)現(xiàn)為eps和min示例參數(shù)提供了默認(rèn)值，但是通常需要對它們進(jìn)行調(diào)優(yōu)。eps參數(shù)是在同一個(gè)鄰域內(nèi)需要考慮的兩個(gè)數(shù)據(jù)點(diǎn)之間的最大距離。最小樣本參數(shù)是一個(gè)鄰域內(nèi)被認(rèn)為是一個(gè)集群的數(shù)據(jù)點(diǎn)的最小數(shù)量。