- 分层群集:通过创建群集树构建多级层次结构
- k-means聚类:将数据分区为基于与群集质心的距离的k个不同的群集
- 高斯混合模型:模型簇作为多变量正常密度分量的混合
- 自组织地图:使用神经网络学习数据的拓扑和分发
- 隐藏的马尔可夫模型:使用观察到的数据来恢复状态序列
无监督的学习方法用于生物信息学,用于序列分析和遗传聚类;在数据挖掘中序列和模式矿业;用于图像分割的医学成像;在计算机愿景中的对象识别。
有关无监督学习算法的更多详细信息,请参阅统计和机器学习工具箱™和深度学习工具箱™。
无监督的学习方法用于生物信息学,用于序列分析和遗传聚类;在数据挖掘中序列和模式矿业;用于图像分割的医学成像;在计算机愿景中的对象识别。
有关无监督学习算法的更多详细信息,请参阅统计和机器学习工具箱™和深度学习工具箱™。
也可以看看:统计和机器学习工具箱那深度学习工具箱那机器学习那监督学习那adaboost.那数据分析那数学建模那金宝app支持矢量机器那人工智能