méthodes de classification non surveillée pour

Question

Je fais une recherche qui implique « la classification non supervisée ». Fondamentalement, j'ai un et je veux Rame indéformable aux données de cluster en nombre X de classes de manière non supervisée. L'idée est similaire à ce que k-means ne.

Disons que

Etape 1) FeatureSet est un [1057x10] et je veux matrice les regrouper en 88 groupes.

Etape2) Utilisez les classes calculées précédemment pour calculer comment le TestData est classé

Question -Est-il possible de le faire avec ou SVM N-N? Rien d'autre ? -Tout d'autres recommandations?

Answer 1

Il existe de nombreux algorithmes de regroupement là-bas, et le web est inondé avec des informations sur les mises en œuvre et exemples. Un bon point de départ est l'entrée de Wikipedia sur l'analyse groupe Cluster_analysis .

Comme vous avez un k-means de travail mise en œuvre, vous pouvez essayer une des nombreuses variantes pour voir si elles yeild de meilleurs résultats (k-means ++ peut-être, car vous avez mentionné SVM). Si vous voulez une approche complètement différente, jetez un oeil à cartes de Kohonen - aussi appelé auto-organisatrices Fonction Maps. Si cela semble trop difficile, une classification hiérarchique simple serait facile à mettre en œuvre (trouver les deux plus proches articles, combiner, rincer et répéter).

Answer 2

Cela ressemble à un problème de classification classique. Ni les réseaux de neurones ou SVM vont être en mesure de résoudre directement ce problème. Vous pouvez utiliser l'approche réduction de dimensionnalité, par exemple pour intégrer vos données 10 dimensions en deux espace de dimension, mais ils ne seront pas mis les données en grappes pour vous.

Il y a un grand nombre d'algorithmes de regroupement en plus k-means. Si vous voulez une approche contrastée, vous pouvez essayer agglomératif cluster algorithme. Je ne sais pas quel genre d'environnement informatique que vous utilisez, mais je tout à fait comme R et < a href = "http://www.statmethods.net/advstats/cluster.html" rel = "nofollow noreferrer"> ce (très) guide sur le regroupement .