在深度学习中对结构化数据进行聚类

Question

是否有任何深度学习文献/参考文献在其中对结构化数据进行聚类？ 我知道可以使用Kmeans，GMM等完成。但是，是否有可能使用Deep Neural Nets等进行聚类分析？谢谢。

Answer 1

神经网络可用于集群管道。例如，可以将Self-organizing maps（SOM）用于降维，而将k-means用于聚类。另外，自动编码器直接弹出我的脑海。但是，这又是压缩/降维，而不是聚类。真正的集群是通过其他方式完成的。

聚类的问题是缺少优化目标。这个问题没有明确定义。

Answer 2

深度学习是指神经网络的深度以及用于学习如何识别与某个对象相关的特征的大量参数，神经网络本质上需要一个损失函数来学习，而损失应该是以方程的形式，可以通过应用微积分来估算我们需要校正多少参数才能获得更好的结果（基本上是前向传播以预测和后向传播以更新参数），并且像现在这样的损失函数不存在的，所以我们不采用神经网络的集群。如果没有神经网络，就没有深度学习。

如果其中的任何部分在下面看来令人困惑，则

要了解有关聚类算法的更多信息，请查看此https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68

同样，你会发现没有神经网络。 ：）

Answer 3

是的

如果您自己做一些文献研究，您会发现人们已经反复发布了使用深度神经网络的聚类。

除了似乎无法在MNIST数据上运行以外，其他任何地方...

Answer 4

其他两种可能的方法：

1. KMeans +自动编码器（具有 kmeans，并使用自动编码器降低数据的维度）。
2. 深度嵌入式集群算法（高级深度学习）