聚类与非聚类问题？

Question

我刚开始学习安德鲁·吴的机器学习，他解释了鸡尾酒会问题和基因聚类问题的例子，以解释在无监督学习中聚类问题和非聚类问题之间的区别。然而，我仍然不明白两者之间的区别。谁能帮我澄清一下。

Answer 1

这两个例子都是聚类示例。聚类是指在未给出数据时对相似数据集进行分组。

在基因问题上

• 一种可能的设置是给你DNA微阵列数据。你的任务是了解那里有多少类型的人。这是一个没有监督的学习问题，我们没有得到标签。我们只是把具有相似基因的人聚在一起。

在鸡尾酒会问题上：

• 房间里有两个人，还有麦克风。我们只需录制音频并将其传递给算法，然后告诉算法，嘿，如果有的话，学习模式。每个人都可能有自己的言语模式/语言/口音。该算法根据自己的模式提取，检测出房间里有两个人，他们可以分辨出两个人的讲话。

让我给你们一个非聚类的例子。

例如，一个令人感兴趣的问题是检测异常。例如，他们的传感器读数显示，给你的可能是机器的正常工作状态。从这些读数中，你必须了解什么是正常的机器，你必须弄清楚什么时候给你一个新的数据点，如果它被认为是正常的。

Answer 2

实际上，鸡尾酒党算法是非聚类的.

非聚类：“鸡尾酒党算法”，它允许你在混乱的环境中找到结构(即从鸡尾酒会上的声音网络中识别单个声音和音乐)。

Answer 3

好的，有一个争论，关于是否是公鸡党问题算法，↨是一个非俱乐部或聚类问题，而我可能没有资格回答这样的问题，我试图研究和询问专家，以下是我的发现。

聚类问题:算法不会转换或改变数据(就像基因问题中的基因本身不会被改变一样)，它只是根据某些特性(将基因问题划分为不同种类或类型的基因)。然而，在非聚类问题中，该算法是对数据/输入进行变换，从而改变数据。相信安德鲁·吴教授的话(作为他所在领域的高级讲师和教授)，“公鸡党”问题是一个非聚类问题，我们现在可以理解为什么，因为它改变了数据，在这个例子中，声音变得更清晰，让耳朵更清晰，事实上，它改变了两次，得到第一个声音，第二个得到第二个声音。