K-均值聚类（K-means clustering）是一种常用的无监督学习算法，用于将数据集划分为K个不相交的簇。该算法通过迭代的方式将每个样本分配到最近的簇，...

在自然语言处理和信息检索的许多任务中，都需要对句子进行成对比较，例如句子相似性检测、释义识别、问答蕴含和文本蕴含等。句子比较最准确的方法是交叉编码，但训练交叉编...

在当今的工业和在线应用中，实时数据流中的异常检测至关重要。异常可能预示着制造缺陷、系统故障、安全漏洞或其他重要事件。传统的基于机器学习的异常检测系统需要监督训练...

无监督与监督学习方法通常依赖核函数捕捉数据结构的非线性特征，但需确保所提非线性能最大化数据多样性与变异性。本研究系统回顾了独立性准则，并设计出三种新准则用于构建...

在大多数自然语言处理应用中，词元化是首要步骤——将输入字符串分解为语义相关单元。传统方法依赖人工编纂的词典和标注数据（LST），而新兴的无监督方法（LIT）通过...

人工智能已超越科幻范畴，现代机器学习算法能实现商品推荐、消费者行为分析、欺诈识别甚至销售预测。全球市场规模突破600亿美元，印证了智能系统对企业决策的关键价值。

想象你是一家超市的经理，面对堆积如山的顾客数据：年龄、消费频率、平均客单价...如何从中发现规律？你需要一种能自动将相似顾客分组的技术——这就是K均值聚类的魔力...

欧洲计算机视觉会议（ECCV）于周日开幕，与国际计算机视觉会议（ICCV）交替举办。原定今年在格拉斯哥举行的ECCV，与今年夏天大多数主要计算机科学会议一样，转...

在当今工业和在线应用中，实时数据流中的异常检测至关重要。传统监督学习方法面临标注成本高、数据分布动态变化的挑战。亚马逊科学团队在ICML 2025提出的SEAD...

划重点：今天起，GPT-4.5会向所有ChatGPT Pro版用户开放，包括网页端、移动端和桌面端。另外所有付费开发者也能使用了。

K-均值（K-means）是一种常用的无监督学习算法，用于将数据集中的样本分成 K 个簇。该算法的过程大致如下：

K-均值（K-means）是一种常用的无监督学习算法，用于将数据集中的样本分成 K 个簇。该算法的过程大致如下：

K-均值（K-means）聚类算法是一种常用的无监督学习算法，用于将数据集分成 K 个簇（clusters）。该算法的基本思想是将数据点分为 K 个簇，使得每个...

在自然语言处理（NLP）领域蓬勃发展的今天，众多高资源语言如英语、中文等凭借丰富的数据和成熟的技术，取得了显著的进步。然而，世界上还有大量的低资源语言，它们因缺...

分裂型层次聚类是一种自上而下的聚类方法，其基本思想是从一个包含所有数据点的簇开始，逐步将该簇划分为更小的子簇，直到每个子簇包含一个数据点为止。每次分裂时，选择一...

监督学习到这里就算是结束了，接下来我们一起来看你一下无监督学习，无监督学习是机器学习中的一个重要分支，但它看起来有点“神秘”——你会发现，数据集里并没有告诉你哪...

  本文开始我们讲解无监督学习算法。在之前的文章中，我们给模型的任务通常是找到样本

  本文讨论无监督学习中的数据分布建模问题。当我们需要在一个数据集上完成某个任务时，数据集中的样本分布显然是最基本的要素。面对不同的数据分布，我们可能针对同一任...

  在上一篇文章聚类中，我们介绍了无监督学习的重要问题之一：聚类问题，并主要讲解了k均值算法。结尾处我们提到，在解决复杂聚类问题时，第一步通常不会直接使用k均值...

  在前面的文章中，我们介绍了各种类型的无监督学习算法，如聚类算法、降维算法等。归根结底，无监督学习的目的是从复杂数据中提取出可以代表数据的特征，例如数据的分布...