执行无监督学习时使用什么分类器

Question

我是机器学习的新手，我有这个基本问题。由于我在算法的数学部分很弱，我发现很难理解这一点。

当您使用无监督学习（无训练样本）设计分类器（保持简单--2类分类器）的任务时，如何确定要使用何种类型的分类器（线性或非线性） ？如果我们不知道这一点，那么对特征选择（这意味着间接知道数据集是什么）的重要性变得非常关键。 我正在朝着正确的方向思考，还是有一些我不知道的东西。深入了解这个主题是非常感谢。

Answer 1

分类定义为“监督学习”问题。这些模型需要给定类中的点的示例来了解如何将类彼此分开。如果您只是在寻找未标记数据点之间的关系，那么您正在解决无监督问题。研究聚类算法。 k-means是很多人开始的地方。

希望这有助于！

Answer 2

这是一个巨大的问题。是的，术语“聚类”是Google搜索的最佳切入点，但我知道您希望对分类器进行训练，其中“训练”意味着使用参数优化目标函数。第一种选择绝对不是区分性分类器（如线性分类器），因为在这些分类器中，标准最大似然（ML）目标在没有标签的情况下不起作用。如果你绝对想使用线性分类器，那么你必须调整ML目标，或者更好地使用另一个目标（接近分类器风险）。但更容易的选择是观察生成模型，如隐马尔可夫模型，朴素贝叶斯，潜在狄利克雷分配，......毫无疑问，ML目标是无标签的。