数据挖掘论文：Unsupervised Learning-经管之家官网！

经济学管理学金融学统计学

您当前的位置> 数据>>

数据挖掘论文：Unsupervised Learning

人大经济论坛-经管之家：分享大学、考研、论文、会计、留学、数据、经济学、金融学、管理学、统计学、博弈论、统计年鉴、行业分析包括等相关资源。
经管之家是国内活跃的在线教育咨询平台!

谁适合考CDA证书？年龄18-40周岁，专业是计算机、工商管理、统计学、管理科学类，学历本科及以上，行业是金融、信息技术、电信等，岗位是数据、产品、运营等。

TOP热门关键词

专题页面精选

作者介绍：ZoubinGhahramani，宾大的本科，MIT的PhD，博士导师是MichaelJordan，postdoc师从GeofferyHinton，现在在剑桥任教。研究方向主要涉及BayesianStatisitcs。这是一篇关于unsupervisedlearning的介绍论文。1I ...

免费学术公开课,扫码加入

作者介绍：
Zoubin Ghahramani，宾大的本科，MIT的PhD，博士导师是Michael Jordan，postdoc师从Geoffery Hinton，现在在剑桥任教。
研究方向主要涉及Bayesian Statisitcs。
这是一篇关于unsupervised learning的介绍论文。
1 Introduction 3
1.1 What is unsupervised learning? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Machine learning, statistics, and information theory . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Bayes rule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Latent variable models 6
2.1 Factor analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Principal components analysis (PCA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Independent components analysis (ICA) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Mixture of Gaussians . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 K-means . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 The EM algorithm 8
4 Modelling time series and other structured data 9
4.1 State-space models (SSMs) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.2 Hidden Markov models (HMMs) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.3 Modelling other structured data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5 Nonlinear, Factorial, and Hierarchical Models 11
6 Intractability 12
7 Graphical models 13
7.1 Undirected graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
7.2 Factor graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
7.3 Directed graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
7.4 Expressive power . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
8 Exact inference in graphs 15
8.1 Elimination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
8.2 Belief propagation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
8.3 Factor graph propagation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
8.4 Junction tree algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
8.5 Cutest conditioning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
9 Learning in graphical models 19
9.1 Learning graph parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
9.1.1 The complete data case. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
9.1.2 The incomplete data case. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
9.2 Learning graph structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
9.2.1 Scoring metrics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
9.2.2 Search algorithms. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
10 Bayesian model comparison and Occam’s Razor 21
11 Approximating posteriors and marginal likelihoods 22
11.1 Laplace approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
11.2 The Bayesian information criterion (BIC) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
11.3 Markov chain Monte Carlo (MCMC) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
11.4 Variational approximations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
11.5 Expectation propagation (EP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
12 Conclusion 27
2

「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
扫描下方二维码下载并注册APP

本文关键词：

本文论坛网址：https://bbs.pinggu.org/thread-2668870-1-1.html

上一篇 | 中国海洋大学社会学

下一篇 | 求克鲁格曼国际经济学第九版课后答案， ...

数据挖掘精彩帖子推荐更多

您可能感兴趣的文章

本站推荐的文章

人气文章

本文标题：数据挖掘论文：Unsupervised Learning

本文链接网址：https://bbs.pinggu.org/jg/shuju_shujuwajue_2668870_1.html

1.凡人大经济论坛-经管之家转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责；
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性，不作出任何保证或承若；
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。

数据挖掘论文：Unsupervised Learning-经管之家官网！

数据挖掘