← 返回卡片

原书出处

数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow

12 第12章 基于LSTM-Autoencoder的无监督聚类模型 12.3 SQLFlow中基于深度学习的聚类模型

核验版本的摘录快照 · 导入于 2026-11-14T09:43:22.284Z

与数据空间和浅线性嵌入空间不同,SQLFlow中的聚类模型采用反向传播随机梯度下降学习映射,并通过深度神经网络对映射进行参数化操作。不同于有监督学习模型,SQLFlow不使用标记数据训练深度网络,而是从当前聚类划分中提取辅助目标分布,然后同步优化聚类和特征表示,因此这种基于深度神经网络的聚类在完成聚类分配的同时能够很好地完成特征表示。图12-12是SQLFlow聚类模型的整体架构,该模型主要包括4个部分:预训练层、聚类层定义、初始化聚类

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0068.xhtml

EPUB SHA-256:b9d74c3cb9a87547f425283a2273004c2d73de2c2b50ebf97c2ab3336ae5d102