K-means 做特征提取：退化的因子分析器混合视角
caglar_ee · x · 2026-11-12
这是 caglaree 与他人的技术讨论：K-means 的特征提取扩展本质对应无监督学习，可视为因子分析器混合(Mixture of Factor Analyzers, MFA) 的极简版本。但与 MFA 不同，该模型只有在对变分后验附加额外约束时才有意义。他还指出，这可把 K-means 用于监督学习；由于自监督学习在数学上也可视为监督学习的一种，同一思路同样适用于自监督场景。
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
- 用 Lean 形式化重建税务法院判例:法律推理遇上证明助手 — SnooPeripherals5313 · 2026-11-12
- Anthropic 研究：多用户各派自己的 Agent 反而把共享资源协作搞砸 — AndrewLampinen · 2026-11-12
- AI 推理效率学者赵航阳实验室 2027 年迁至 UT Austin，招收多名博士 — hongyangzh · 2026-11-12
- VIALS-AA 榜单上线:可按得分、成本、工具调用数横评各模型 — ArtificialAnlys · 2026-11-12
- Axiom 把 20 年积累的 Stacks Project 形式化进 Lean,可当城市浏览 — TheTuringPost · 2026-11-12
- 研究:注意力电路早在训练初期就定型,最终模式近乎随机选定 — burny_tech · 2026-11-12