【问题标题】:Is Gradient Descent used during unsupervised training also?在无监督训练期间是否也使用梯度下降?
【发布时间】:2020-06-06 01:56:17
【问题描述】:

在任何无监督训练(如聚类、协同过滤等)的训练中是否曾经使用过梯度下降算法?

【问题讨论】:

  • 如果你可以定义一个你想要优化的函数,那么你可以使用梯度下降来做到这一点。没有什么可以想到这些案例,但如果有应用程序,我不会感到惊讶

标签: machine-learning unsupervised-learning supervised-learning


【解决方案1】:

梯度下降可用于一大堆无监督学习任务。事实上,使用梯度下降算法的神经网络广泛用于无监督学习任务,例如向量空间 (word2vec) 中的文本或自然语言表示。

您还可以考虑降维技术,例如自动编码器,它也使用梯度下降。

我不知道 GD 直接用于聚类,但 this link 讨论了一种利用带有 Kmeans 的自动编码器的方法,该方法使用 GD。

也请阅读this link,其中讨论了一个类似的问题。

【讨论】:

    【解决方案2】:

    在无监督算法中,您不需要这样做。例如,在 k-Means 中,您试图最小化均方误差 (MSE),您可以在给定分配的每个步骤中直接最小化误差;不需要渐变。

    【讨论】:

    • k-means 只是一个简单的例子。如何推广到所有无监督学习
    • @picklerick 请提供其他示例
    • 在其他聚类模型中,例如混合高斯,期望最大化 (EM) 算法比任何基于梯度下降的方法更强大和准确。
    • IIRC 我过去曾在各种邻域分析中使用梯度下降——例如,任何时候进行模拟退火
    猜你喜欢
    • 2016-02-06
    • 2016-11-09
    • 2015-10-12
    • 2017-11-27
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多