非监督分类方法可用

Question

我正在做一个涉及“无监督分类”的研究。 基本上我有一个trainSet，我想以无监督的方式在X个类中聚类数据。想法与k-means所做的相似。

比方说

第一步） FEATURESET是[1057x10]矩阵的计算方法，我想他们聚为88群。

第二步） 使用先前计算的类来计算如何在TESTDATA分类

问题 -Is可以与SVM或N-N办呢？还要别的吗 ？ - 其他建议？

Answer 1

这里有很多聚类算法，网络上充斥着关于它们和样本实现的信息。一个好的起点是维基百科条目聚类分析Cluster_analysis。因为你有一个工作k-means的实现，你可以尝试其中一个变种，看看他们是否会得到更好的结果（k-means ++也许，看到你提到的SVM）。如果您想要一种完全不同的方法，请查看Kohonen地图 - 也称为自组织特征地图。如果这看起来太棘手，简单的层次聚类将很容易实现（找到最近的两个项目，合并，冲洗和重复）。

Answer 2

这听起来像是一个经典的聚类问题。 SVM或神经网络都不能直接解决这个问题。例如，您可以使用这两种方法中的任意一种来嵌入10维数据，例如dimensionality reduction，但它们不会将数据放入群集中。

除k-均值外，还有大量的聚类算法。如果你想要一个对比的方法，你可能想试试agglomerative clustering算法。我不知道你使用的是什么样的计算环境，但我非常喜欢R和this (very) short guide on clustering。