タグ付けされた質問 「clustering」

クラスタリング方法を理解しようとしています。 私が理解したと思うII： 教師あり学習では、計算前に既知のカテゴリ/ラベルデータが割り当てられます。そのため、これらのクラスターにとって本当に重要なパラメーターを「学習」するために、ラベル、クラス、またはカテゴリーが使用されています。 教師なし学習では、クラスターを認識せずに、データセットがセグメントに割り当てられます。 つまり、どのパラメーターがセグメンテーションに重要であるかさえわからない場合、教師あり学習を好む必要があるということですか？

28 machine-learning  data-mining  clustering 

職場では、動的言語に関する型情報を推論する必要があります。次のように、ステートメントのシーケンスをネストされたlet式に書き換えます。 return x; Z => x var x; Z => let x = undefined in Z x = y; Z => let x = y in Z if x then T else F; Z => if x then { T; Z } else { F; Z } 一般的なタイプ情報から始めて、より具体的なタイプを推測しようとしているので、自然な選択は絞り込みタイプです。たとえば、条件演算子は、trueブランチとfalseブランチの型の和集合を返します。単純なケースでは、非常にうまく機能します。 ただし、次のタイプを推測しようとしたときに、思わぬ障害に遭遇しました。 function …

11 programming-languages  logic  type-theory  type-inference  machine-learning  data-mining  clustering  order-theory  reference-request  information-theory  entropy  algorithms  algorithm-analysis  space-complexity  lower-bounds  formal-languages  computability  formal-grammars  context-free  parsing  complexity-theory  time-complexity  terminology  turing-machines  nondeterminism  programming-languages  semantics  operational-semantics  complexity-theory  time-complexity  complexity-theory  reference-request  turing-machines  machine-models  simulation  graphs  probability-theory  data-structures  terminology  distributed-systems  hash-tables  history  terminology  programming-languages  meta-programming  terminology  formal-grammars  compilers  algorithms  search-algorithms  formal-languages  regular-languages  complexity-theory  satisfiability  sat-solvers  factoring  algorithms  randomized-algorithms  streaming-algorithm  in-place  algorithms  numerical-analysis  regular-languages  automata  finite-automata  regular-expressions  algorithms  data-structures  efficiency  coding-theory  algorithms  graph-theory  reference-request  education  books  formal-languages  context-free  proof-techniques  algorithms  graph-theory  greedy-algorithms  matroids  complexity-theory  graph-theory  np-complete  intuition  complexity-theory  np-complete  traveling-salesman  algorithms  graphs  probabilistic-algorithms  weighted-graphs  data-structures  time-complexity  priority-queues  computability  turing-machines  automata  pushdown-automata  algorithms  graphs  binary-trees  algorithms  algorithm-analysis  spanning-trees  terminology  asymptotics  landau-notation  algorithms  graph-theory  network-flow  terminology  computability  undecidability  rice-theorem  algorithms  data-structures  computational-geometry 

データポイントのセットX={x1,x2,…,xm}X={x1,x2,…,xm}X = \{x_1, x_2, \ldots, x_m\}が与えられた場合、で K平均を実行し、クラスター。 X C 1、C 2、... 、CのKxi∈Rdxi∈Rdx_i \in \mathbb{R}^dXXXc1,c2,…,ckc1,c2,…,ckc_1, c_2, \ldots, c_k ここで、新しいデータセットを作成するとY={y1,y2,…,ym}Y={y1,y2,…,ym}Y = \{y_1, y_2, \ldots, y_m\}、およびあり、 K平均を実行してクラスターを取得します。。Y I ∈ R D Y G 1、G 2、··· G Kyi=Axi+byi=Axi+by_i = Ax_i + byi∈Rdyi∈Rdy_i \in \mathbb{R}^dYYYg1,g2,…gkg1,g2,…gkg_1, g_2, \ldots g_k AAAとbのどの条件下でbbb、同じクラスターを取得することが保証されますか？ K平均がユークリッド距離を使用しており、両方のアルゴリズムで同じ初期条件を持っていると仮定します。つまり、Xの初期中心が場合、Yの初期中心はここで、です。 g 0 1、… 、g 0 …

8 algorithms  clustering