划重点：今天起，GPT-4.5会向所有ChatGPT Pro版用户开放，包括网页端、移动端和桌面端。另外所有付费开发者也能使用了。

K-均值（K-means）是一种常用的无监督学习算法，用于将数据集中的样本分成 K 个簇。该算法的过程大致如下：

K-均值（K-means）是一种常用的无监督学习算法，用于将数据集中的样本分成 K 个簇。该算法的过程大致如下：

K-均值（K-means）聚类算法是一种常用的无监督学习算法，用于将数据集分成 K 个簇（clusters）。该算法的基本思想是将数据点分为 K 个簇，使得每个...

在自然语言处理（NLP）领域蓬勃发展的今天，众多高资源语言如英语、中文等凭借丰富的数据和成熟的技术，取得了显著的进步。然而，世界上还有大量的低资源语言，它们因缺...

分裂型层次聚类是一种自上而下的聚类方法，其基本思想是从一个包含所有数据点的簇开始，逐步将该簇划分为更小的子簇，直到每个子簇包含一个数据点为止。每次分裂时，选择一...

监督学习到这里就算是结束了，接下来我们一起来看你一下无监督学习，无监督学习是机器学习中的一个重要分支，但它看起来有点“神秘”——你会发现，数据集里并没有告诉你哪...

  本文开始我们讲解无监督学习算法。在之前的文章中，我们给模型的任务通常是找到样本

  本文讨论无监督学习中的数据分布建模问题。当我们需要在一个数据集上完成某个任务时，数据集中的样本分布显然是最基本的要素。面对不同的数据分布，我们可能针对同一任...

  在上一篇文章聚类中，我们介绍了无监督学习的重要问题之一：聚类问题，并主要讲解了k均值算法。结尾处我们提到，在解决复杂聚类问题时，第一步通常不会直接使用k均值...

  在前面的文章中，我们介绍了各种类型的无监督学习算法，如聚类算法、降维算法等。归根结底，无监督学习的目的是从复杂数据中提取出可以代表数据的特征，例如数据的分布...

  本文我们继续介绍概率相关模型的算法。在前面的文章中，我们已经讲解了贝叶斯网络与最大似然估计（MLE）。设数据集的样本为

层次聚类是一种通过递归合并（凝聚型）或递归分裂（分裂型）数据点的方式，逐步构建出一个层次结构的聚类方法。层次聚类的结果通常通过**树状图（Dendrogram）...

无监督学习是机器学习中的一类重要任务，聚类算法是其中的一种经典方法。与监督学习相比，无监督学习没有明确的标签，模型仅通过输入数据来发现数据的潜在结构和模式。聚类...

机器学习算法主要分为两大类：有监督学习和无监督学习，它们在算法思想上存在本质的区别。 有监督学习，主要对有标签的数据集（即有“参考答案”）去构建机器学习模型...

K-均值聚类算法是一种常见的无监督学习算法，用于将数据集分成 K 个不同的簇。它的目标是最小化数据点与各自质心的距离之和。下面是K-均值聚类算法的步骤：

图灵奖得主，Meta人工智能负责人杨立昆(Yann LeCun)在2016年曾提出一个有名的蛋糕比喻：“如果智能是一块蛋糕，主体是自监督学习，表...

层次聚类（Hierarchical Clustering）和主成分分析（PCA）都是无监督学习方法，它们可以用来探索样品之间的关系，而不需要预先定义的类别或标签...

今日推荐：Spring AI再更新：如何借助全局参数实现智能数据库操作与个性化待办管理

无监督学习中的降维技术是将高维数据降低到低维空间，以便更容易处理和可视化。常见的降维方法包括主成分分析（PCA）、独立成分分析（ICA）、t分布随机邻近嵌入（t...