是否有任何深度学习文献/参考文献在结构化数据中进行了聚类？我知道可以使用Kmeans，GMM等来完成。但是，是否有可能使用深度神经网络等进行聚类分析？谢谢。
神经网络可以在聚类管道中使用。例如，您可以使用自组织映射 （SOM） 进行降维，并使用 k 均值进行聚类。此外，自动编码器直接出现在我的脑海中。但是，再说一次，它比聚类更像是压缩/降维。真正的聚类是由其他东西完成的。
聚类分析的问题是缺少优化目标。这个问题没有明确的定义。
深度学习是指神经网络的深度和应用的大量参数来学习如何识别与某个对象相关的特征，神经网络本质上需要一个损失函数来学习，损失应该以方程的形式出现，可以通过应用微积分来估计我们需要纠正多少每个参数才能获得更好的结果（基本上是前向传播预测和反向传播以更新参数），而目前不存在这样的损失函数，因此我们不使用神经网络进行聚类。如果没有神经网络，就没有深度学习。
如果其中的任何部分似乎令人困惑，请在下面发表评论。
要了解有关聚类算法的更多信息，请查看此 https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68
同样，你会发现没有神经网络。 :)
是的。
如果你自己做一点文献研究，你会发现人们反复发表过深度神经网络的聚类。
除了它似乎在任何地方都不起作用，只能在 MNIST 数据上工作......
另外两种可能的方法：
- KMeans + Autoencoder（一个简单的深度学习架构，具有kmeans 并使用自动编码器降低数据的维数）。
- 深度嵌入式聚类算法（高级深度学习）