K-means 扩展可作监督学习:研究者解读其与因子分析混合的联系
Fowe · x · 2026-11-12
Fowe 追问 caglaree 提到的特征提取器版 K-means 是监督还是自监督用法。caglaree 解释:该扩展本质上对应无监督学习,可视为「因子分析混合模型(MFA)」的极简版,但与 MFA 不同,模型只有在变分后验耦合额外约束时才成立。
他还指出从数学角度看,自监督学习本身可视为监督学习的一种形式,因此这一方法同样可用于自监督场景,甚至能通过从输出 GMM 采样潜在特征再采样输入来生成随机数据。
所属事件:caglar_ee 提出 K-means 分类器即 GMM 特例并扩展为生成式训练框架(6 条相关)→
「研究」频道最新
- GRPO 论文：算力对齐后密集奖励反而不如稀疏奖励 — burny_tech · 2026-11-12
- Wayve 发布端到端学习的驾驶安全包络 LSE — alexgkendall · 2026-11-12
- HipKittens 一周年:团队持续攻坚 AMD GPU 软件生态破 CUDA 护城河 — simran_s_arora · 2026-11-12
- 世界模型团队争抢带操作标签的游戏数据：动作才是稀缺的那一半 — KnowledgeOk7634 · 2026-11-12
- Uno 用离散扩散让 LLM 推理提速至 3 倍,作者将开线上讲座 — burny_tech · 2026-11-12
- Pro-0 触觉手套零机器人数据训练灵巧手策略，亮相 CoRL — chris_j_paxton · 2026-11-12