在深度学习中对结构化数据进行聚类答案

【问题标题】：Clustering structured data in Deep learning在深度学习中对结构化数据进行聚类
【发布时间】：2019-06-25 20:00:34
【问题描述】：

是否有任何深度学习文献/参考资料在结构化数据中进行了聚类？我知道可以使用 Kmeans、GMM 等来完成。但是有没有机会使用深度神经网络等进行聚类分析？谢谢。

【问题讨论】：

标签： python deep-learning cluster-analysis data-science

【解决方案1】：

深度学习是指神经网络的深度和应用于学习如何识别与某个对象相关的特征的大量参数，而神经网络本质上需要一个损失函数来学习，损失应该是以方程的形式，可以通过应用微积分来估计我们需要校正多少每个参数以获得更好的结果（基本上是前向传播来预测和后向传播来更新参数），并且到目前为止这样的损失函数确实不存在，所以我们不使用神经网络进行聚类。如果没有神经网络，就没有深度学习。

如果其中任何部分看起来令人困惑，请在下方评论。

要了解更多关于聚类算法的信息，请查看https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68

你会再次发现没有神经网络。 :)

【讨论】：

【解决方案2】：

神经网络可用于聚类管道。例如，您可以使用Self-organizing maps (SOM) 进行降维，使用 k-means 进行聚类。此外，自动编码器直接出现在我的脑海中。但是，再一次，它是压缩/降维而不是聚类。真正的聚类是由其他东西完成的。

聚类的问题是缺少优化目标。问题没有明确定义。

【讨论】：

【解决方案3】：

是的。

如果您自己进行一点文献研究，您会发现人们已经多次发表了使用深度神经网络进行聚类的文章。

除了它似乎在 MNIST 数据之外的任何地方都不起作用......

【讨论】：

【解决方案4】：

另外两种可能的方法：

KMeans + Autoencoder（一个简单的深度学习架构 kmeans 并使用自动编码器降低数据的维数）。
深度嵌入式聚类算法（高级深度学习）

【讨论】：