knn VS Kmeans

image-20210802175658175

https://www.cnblogs.com/mantch/p/11246705.html

Kmeans vs GMM

硬聚类就是把数据确切地分到某一类中，比如K-Means。

硬就是说“强硬”，是属于A类就是A类，不会跑到B类。

软聚类就是把数据以一定的概率分到各类中，比如高斯混合模型(GMM)，比如模糊C均值模型(Fuzzy c-Means)。聚类的结果往往是样本1在A类的概率是0.7，在B类的概率是0.3。

软聚类又称为模糊聚类(fuzzy clustering）。

GMM退化成kmeans：https://blog.csdn.net/qq_39638957/article/details/88744877

难点： 1.如何选择初始化的值（k，mu，sigmas）k值的初始化较难，mu均值可以用kmean算得的结果，sigmas可以用kmeans分得的结果求得的方差作为初始化。 2.Kmeans是GMM退化后的结果，GMM中的响应度变成{0,1}，协方差矩阵变成 样本方差 / 样本格式，均值为响应度为1的样本的均值。

GMM

一元高斯分布、多元高斯分布、高斯混合模型

• LSTM/GRU讲一下原理（要非常细）

• LSTM/GRU的激活函数的作用

• • 为什么是sigmoid函数和tanh函数，可否换成别的激活函数？