无监督表征学习

无监督表征学习是一种重要的机器学习技术，它通过分析大量未标记的数据，学习到数据的潜在结构，从而揭示数据中的隐藏模式和关系。以下是一些关于无监督表征学习的资源。

资源列表

• 无监督表征学习基础

  • 无监督表征学习简介

• 经典算法

  • 自编码器（Autoencoders）
  • 主成分分析（PCA）
  • t-SNE

• 应用案例

  • 图像去噪
  • [异常检测](/zh/resources/papers/unsupervised-representation-learning/ anomaly-detection)
  • 社交网络分析

相关图片

自编码器示例

PCA降维示例

t-SNE可视化示例

希望这些资源能帮助您更好地理解无监督表征学习。如果您有其他问题或需要更多帮助，请访问我们的论坛进行讨论。