0dayhub# 2. 无监督学习
2.1 高斯混合模型 2.1.1 高斯混合 2.1.1.1 优缺点 2.1.1.1.1 优点 2.1.1.1.2 缺点 2.1.1.2 选择经典高斯混合模型中分量的个数 2.1.1.3 估计算法期望最大化（EM） 2.1.2 变分贝叶斯高斯...
2019年09月3日的文章
第2页
1.1. 广义线性模型
校验者: @专业吹牛逼的小明 @Gladiator @Loopy @qinhanmin2014 翻译者: @瓜牛 @年纪大了反应慢了 @Hazekiah ...
# 2.1. 高斯混合模型
校验者: @why2lyj @Shao Y. @Loopy @barrycg 翻译者: @glassy MARKDOWN_HASH923bdc0bdd7c922372eee9a98649036...
# 2.2. 流形学习
校验者: @XuJianzhi @RyanZhiNie @羊三 @Loopy @barrycg 翻译者: @XuJianzhi @羊三 ...
# 2.3. 聚类
校验者: @花开无声 @小瑶 @Loopy @barrycg 翻译者: @小瑶 @krokyin 未标记的数据的 聚类(Clustering) 可以使用模块 sklearn.c...
# 2.4. 双聚类
校验者: @udy @barrycg 翻译者: @程威 Biclustering(双向聚类) 的实现模块是 sklearn.cluster.bicluster。 双向聚类算法对数据矩阵的行列同时进行聚类。而这...
# 2.5. 分解成分中的信号（矩阵分解问题）
校验者: @武器大师一个挑俩 @png 翻译者: @柠檬 @片刻 2.5.1. 主成分分析（PCA） 2.5.1.1. 准确的PCA和概率解释（Exact PCA and pr...
2.6. 协方差估计
校验者: @李昊伟 @小瑶 @Loopy 翻译者: @柠檬 许多统计问题在某一时刻需要估计一个总体的协方差矩阵，这可以看作是对数据集散点图形状的估计。 大多数情况下，基于样本的估计（基于其属性...
# 2.8. 密度估计
校验者: @不将就 翻译者: @Xi 密度估计在无监督学习，特征工程和数据建模之间划分了界线。一些最流行和最有用的密度估计方法是混合模型，如高斯混合( sklearn.mixture.GaussianMixt...
# 2.7. 新奇和异常值检测
校验者: @RyanZhiNie @羊三 @Loopy 翻译者: @羊三 许多应用需要能够对新观测进行判断，判断其是否与现有观测服从同一分布（即新观测为内围值），相反则被认为不服从同一分布（即...