Unsupervised deep embedding for clustering analysis
偶然发现这篇发在ICML2016的论文，它主要的关注点在于unsupervised deep embedding。据我所了解的，Unsupervised 学习是deep learning的一个难点，毕竟deep network这种非常复杂的非线性映射，暂时的未知因素太多，可能在原来的domain有clustering的特征数据经过nonlinear映射之后，就变得不再clustering了。
这篇论文受t-SNE的启发，优化的目标是两个分布之间的KL距离。假设deep embedding之后的两个点 和
，其中
是第
个类的centroid。于是，similarity 的measure为
也可以认为是 属于
的概率。
假设此时一个目标分布，则
。优化的过程和普通的BP算法一样，（1）通过BP算法优化deep network的参数，即计算
。（2）通过计算梯度
来调整cluster的centroid，但是否这类centroid的调整也需要乘上一个学习率呢？
此外，一个重点的问题是潜在目标分布的构造。Paper里给出了三个标准，我觉得这三个标准确实挺有意义的：（1）对预测效果可以strengthen（2）对于一些高概率被标注某个cluster的点，给予更多的权重（3）归一化每个点对于每个centroid用于计算loss函数时候的贡献，避免一些大的cluster扭曲了整个feature space。构造如下，
其中，。对以上三个标准说一说自己的理解，不一定准确。（1）对于第一点，对于某个明显更靠近
类的point，它比其他point离得除
类以外更远，这个点的
也更高，而且
也可能会更高（2）平方项的应用使得小的更加小了，即emphasis更小。同时，当
较高，在
的所有点中，
也会有相对高的值。（3）对于某些大的cluster，可能总和
更大，反而最终
更小，而对于小的cluster，使得
更大。最终把一个点push到另一个小cluster。
直觉上说，概率分布的初始化的正确性很大程度影响的算法最终的结果，首先因为这不是一个真实的分布，而deep network没有一个很好的初始化很难在另一个domain 保持cluster的结构。而section 5.1 的结果显示，对于high confidence的点，sample也变得更加canonical，如图越高confidence越明显是“5”的字样，而对于梯度的贡献也越来越大，即说明初始化概率分布
也是接近正确的。
网络的初始化和SAE（栈autoencoder）一样，采用greedy training的方式训练每一层，然后再微调整个网络。而初始化cluster的选择，则通过在embedding上perform k means clustering 算法得到。