Machine learning 可用的无监督分类方法

我正在做一项涉及“无监督分类”的研究。 基本上，我有一个列车组，我想以无监督的方式将数据聚集在X个类中。这个想法和k-means的做法类似

比方说

步骤1） featureSet是一个[1057x10]矩阵，我想将它们分为88个集群

步骤2） 使用以前计算的类来计算testData是如何分类的

问题: -可以用SVM或N-N来做吗？别的？

---

-还有其他建议吗？

这听起来像是一个典型的集群问题。支持向量机和神经网络都不能直接解决这个问题。例如，您可以使用任一种方法将10维数据嵌入到二维空间中，但它们不会为您将数据放入集群中

---

除了k-means外，还有大量的聚类算法。如果你想要一种对比的方法，你可能想尝试一种算法。我不知道您使用的是什么样的计算环境，但我非常喜欢和。

有许多集群算法，web上充斥着关于它们的信息和示例实现。一个很好的起点是关于聚类分析的维基百科条目

---

由于您有一个正常工作的k-means实现，您可以尝试多种变体中的一种，看看它们是否会产生更好的结果（k-means++可能，正如您提到的）。如果你想要一种完全不同的方法，可以看看Kohonen地图——也称为自组织特征地图。如果这看起来太棘手，那么简单的分层聚类将很容易实现（找到最近的两个项目，组合、清洗和重复）。

您是否确实尝试过使用k-means？它似乎很适合这个问题。事实上，我知道了。但我需要用不同的方法做同样的事情来比较结果。有什么建议吗？SVM是有监督的，不是无监督的，所以它不适合你想要的东西