安装
用户指南
API
案例
更多
入门
教程
更新日志
词汇表
常见问题
交流群
Toggle Menu
Prev
Up
Next
scikit-learn 0.23.2
Other versions
CDA数据科学研究院
提供翻译支持
2.无监督学习
2.1. 高斯混合模型
2.2. 流形学习
2.3. 聚类
2.4. 双聚类
2.5. 分解成分中的信号（矩阵分解问题）
2.6. 协方差估计
2.7. 奇异值和异常值检测
2.8. 密度估计
2.9. 神经网络模型（无监督）
2.无监督学习
¶
2.1. 高斯混合模型
2.1.1. 高斯混合
2.1.2. 变分贝叶斯高斯混合
2.2. 流形学习
2.2.1. 介绍
2.2.2. Isomap
2.2.3. 局部线性嵌入
2.2.4. 改进型局部线性嵌入（MLLE）
2.2.5. 黑塞特征映射（HE）
2.2.6. 谱嵌入
2.2.7. 局部切空间对齐（LTSA）
2.2.8. 多维尺度分析（MDS）
2.2.9. t 分布随机邻域嵌入（t-SNE）
2.2.10. 实用技巧
2.3. 聚类
2.3.1. 聚类方法概述
2.3.2. K-means
2.3.3. Affinity Propagation
2.3.4. Mean Shift
2.3.5. Spectral clustering（谱聚类）
2.3.6. 层次聚类
2.3.7. DBSCAN
2.3.8. OPTICS
2.3.9. Birch
2.3.10. 聚类性能度量
2.4. 双聚类
2.4.1. 联合谱聚类
2.4.2. 光谱双聚类
2.4.3. Biclustering 评价
2.5. 分解成分中的信号（矩阵分解问题）
2.5.1. 主成分分析（PCA）
2.5.2. 截断奇异值分解和隐语义分析
2.5.3. 词典学习
2.5.4. 因子分析
2.5.5. 独立成分分析（ICA）
2.5.6. 非负矩阵分解(NMF 或 NNMF)
2.5.7. 隐 Dirichlet 分配（LDA）
2.6. 协方差估计
2.6.1. 经验协方差
2.6.2. 收缩协方差
2.6.3. 稀疏逆协方差
2.6.4. 鲁棒协方差估计
2.7. 奇异值和异常值检测
2.7.1. 离群点检测方法一览
2.7.2. Novelty Detection（奇异值检测）
2.7.3. Outlier Detection（离群点检测）
2.8. 密度估计
2.8.1. 密度估计: 直方图
2.8.2. 核密度估计
2.9. 神经网络模型（无监督）
2.9.1. 受限波尔兹曼机
