第3章 无监督学习:没有标签怎么评估


第 3 章 · 无监督学习:没有标签怎么评估

本章要回答的三个问题:K-Means 的 K 到底怎么选,收敛到坏局部最优怎么办?降维为什么先做 PCA,主成分的方差最大化怎么推导?聚类和降维的结果没有标签可对,效果究竟怎么评?

为什么会有这一章

无监督题在面试里的角色很微妙:出场频率不如监督学习,但淘汰率不低。原因在于它的答案里没有「准确率」这类一眼见分晓的数字,候选人很容易用「聚类就是把相似的聚在一起」这类循环论证糊弄过去;而面试官的追问一旦落到「轮廓系数怎么算」「PCA 第一主成分的数学含义」「K-Means 失败的典型场景」,糊弄立刻现形。这一章就训练你把两个最常被问的无监督方法——K-Means 与 PCA——讲到能白板推导、能说清评估、能预判失败模式的深度。

本章还有一条暗线:无监督是第 5 章特征工程的近亲(降维与标准化同属特征变换)、是第 4 章自监督表示学习的远祖(学表示不学标签)。面试官问无监督,常常醉翁之意在「你能不能在没有标准答案的工作里建立判断标准」。

读完能解决什么

  • 能复述 K-Means 的迭代步骤,说明初始化(K-Means++)与空簇、局部最优的成因与对策;
  • 能列举肘部法、轮廓系数、Gap Statistic 各自的原理与局限,并在追问下现场推轮廓系数公式;
  • 能推导 PCA 的方差最大化表述,说清协方差矩阵特征分解的每一步对应什么几何动作;
  • 能回答「PCA 之后该不该接监督模型」「什么时候用 t-SNE 而不是 PCA」这类选型追问。

检验标准照旧:合上书对着空气各讲一分钟,卡壳处回炉。

各节怎么分工

节 主问题 追问落点
3.1 聚类 K-Means 怎么跑,K 怎么选,什么时候失败 初始化敏感性与 K-Means++;密度聚类与层次聚类的补位
3.2 降维 主成分是什么,为什么正交,怎么选维数 特征分解与 SVD 的关系;线性局限与流形方法的接棒

图:无监督两大任务的对照结构

先决条件

需要向量的内积、范数与投影的几何直觉,PCA 推导会用到拉格朗日乘子法(与 SVM 的对偶同款工具);评估小节需要第 1 章建立的「指标为决策服务」的意识。不要求任何测度论层面的聚类理论。

往下走到哪

读完本章,你在面试里应该能驾驭「给你一批无标签数据你怎么入手」的完整回答:先探数据形状,聚类找群体,降维看结构,评估靠内部指标加业务验证。第 4 章起进入深度学习,你会发现自监督预训练就是在无监督的地基上盖的楼——那里没有 K-Means,但有同一个灵魂:没有标签时,让数据自己提供训练信号。

通关自测

  • K-Means 的两步迭代各自让什么目标单调下降,为什么只保证局部最优?
  • 轮廓系数公式能否现场推导,负值意味着什么?
  • PCA 推导的四步(目标、约束、驻点、择优)能否完整写出,并配几何台词?
  • 「PCA 保方差不保判别」的原因能否说清,并给出反例场景?
  • 无标签数据的评估双轨(内部指标加业务验证)能否各配一个具体做法?

无监督章自测的及格线是「能预判失败」:说出 K-Means 在环形数据上的行为、PCA 丢掉判别信息的场景。无标准答案的工作里建立判断标准,正是这章训练的能力。

无监督题的答法心法

无监督题没有公式答案,评分全在「判断标准的自觉」。推荐三句式:先说清目标(这次聚类的业务用途、这次降维的目的)、再说手段与假设(方法隐含的几何或统计假设是否与数据匹配)、最后说验证(内部指标加业务校验双轨)。三句式的本质是把开放题翻译成受限题——把「怎么聚类」翻译成「在你的目标与假设下怎么聚类」,答案立刻有了骨架。

另补一个高频开场句式的提醒:无监督题被问「先做什么」时,标准第一步永远是「看数据形状」——维度、样本量、量纲、是否混合类型。K-Means 与 PCA 的适用前提(数值型、已标准化、维度可控)全部写在数据体检里;先体检后选方法,是本章所有节共享的第一动作,也是面试官判断你有没有真实分析经验的最快探针。

作者与出处
原作者:灏天文库
来源:平台策划编纂
整理人: 灏天文库整理
由灏天文库平台收录,内容或由平台用户上传,仅供学习交流
发布者: 作者: 灏天文库 转发
评论区 (0)
U