← 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

自编码器中的编码器把图像压缩为10个特征表示,如果我们使用K均值聚类,是否可以从这里开始聚类?是的,我们可以使用K均值生成聚类质心,这时10个聚类的质心在10维特征空间中。但是,我们还要构建自定义聚类层,将输入要素转换为聚类标签概率。在这里,概率是根据T分布计算的。与t-SNE算法中使用的T分布相同,聚类算法中的T分布也是用来测量嵌入点和质心之间相似度的。聚类层的行为类似于聚类的K均值,权重表示可以通过训练K均值初始化的聚类质心。

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