2. Aprendizaje no supervisado

• 2.1. Modelos de mezclas gaussianas
  • 2.1.1. Mezcla Gaussiana
  • 2.1.2. Mezcla Gaussiana Bayesiana Variante
• 2.2. Aprendizaje múltiple
  • 2.2.1. Introducción
  • 2.2.2. Isomap
  • 2.2.3. Embedding localmente lineal
  • 2.2.4. Embedding modificado localmente lineal
  • 2.2.5. Eigenmapeo Hessiano
  • 2.2.6. Embedding Espectral
  • 2.2.7. Alineación del Espacio Tangente Local
  • 2.2.8. Escalamiento Multidimensional (Multi-dimensional Scaling, MDS)
  • 2.2.9. Embedding Estocástico de Vecinos distribuido t (t-distributed Stochastic Neighbor Embedding, t-SNE)
  • 2.2.10. Consejos sobre el uso práctico
• 2.3. Análisis de conglomerados (Agrupamiento)
  • 2.3.1. Resumen de los métodos de análisis de conglomerados
  • 2.3.2. K-medias
  • 2.3.3. Propagación de la afinidad
  • 2.3.4. Media desplazada
  • 2.3.5. Análisis espectral de conglomerados
  • 2.3.6. Análisis de conglomerados jerárquicos
  • 2.3.7. DBSCAN
  • 2.3.8. OPTICS
  • 2.3.9. Birch
  • 2.3.10. Evaluación del rendimiento del análisis de conglomerados (agrupamiento)
• 2.4. Biclustering
  • 2.4.1. Co-Clustering espectral
  • 2.4.2. Biclustering espectral
  • 2.4.3. Evaluación de Biclustering
• 2.5. Descomposición de señales en componentes (problemas de factorización de matrices)
  • 2.5.1. Análisis de componentes principales (PCA)
  • 2.5.2. Descomposición de valor singular truncado y análisis semántico latente
  • 2.5.3. Diccionario de aprrendizaje
  • 2.5.4. Análisis de factores
  • 2.5.5. Análisis de componentes independientes (ICA)
  • 2.5.6. Factorización matricial no negativa (NMF o NNMF)
  • 2.5.7. Asignación Latente de Dirichlet (LDA)
• 2.6. Estimación de covarianza
  • 2.6.1. Covarianza empírica
  • 2.6.2. Covarianza Reducida
  • 2.6.3. Covarianza inversa dispersa
  • 2.6.4. Estimación de Covarianza Robusta
• 2.7. Detección de novedades y valores atípicos
  • 2.7.1. Resumen de los métodos de detección de valores atípicos
  • 2.7.2. Detección de novedades
  • 2.7.3. Detección de valores atípicos
  • 2.7.4. Detección de novedades con Local Outlier Factor
• 2.8. Estimación de densidad
  • 2.8.1. Estimación de Densidad: Histogramas
  • 2.8.2. Estimación de densidad del Kernel
• 2.9. Modelos de red neural (no supervisados)
  • 2.9.1. Máquinas Boltzmann restringidas