在深度學習中對結構化數據進行聚類

Question

是否有任何深度學習文獻/參考資料在結構化數據中進行聚類？ 我知道可以使用Kmeans，GMM等完成。但是，是否有可能使用Deep Neural Nets等進行聚類分析？ 謝謝。

Answer 1

神經網絡可用於群集管道。 例如，可以將自組織映射 （SOM）用於降維，而將k-means用於聚類。 另外，自動編碼器直接彈出我的腦海。 但是，這又是壓縮/降維，而不是聚類。 真正的集群是通過其他方式完成的。

聚類的問題是缺少優化目標。 該問題沒有明確定義。

Answer 2

深度學習是指神經網絡的深度和用於學習如何識別與某個對象相關的特征的大量參數，神經網絡本質上需要學習損失函數，並且損失應采用形式可以通過應用微積分得出的方程可以估算出我們需要校正多少參數才能獲得更好的結果（基本上是前向傳播以預測和后向傳播以更新參數），並且至今不存在這種損失函數，因此我們不使用神經網絡進行聚類。 如果沒有神經網絡，就沒有深度學習。

如果其中的任何部分看起來令人困惑，請在下面評論。

要了解有關聚類算法的更多信息， 請查看此https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68

同樣，您將找不到神經網絡。 :)

Answer 3

是。

如果您自己進行一些文獻研究，您會發現人們已經反復發布具有深度神經網絡的聚類。

除了似乎無法在MNIST數據上任何地方使用以外...

Answer 4

其他兩種可能的方法：

1. KMeans +自動編碼器（具有kmeans的簡單深度學習架構，並使用自動編碼器降低了數據的維數）。
2. 深度嵌入式集群算法（高級深度學習）