机器学习15-1（无监督学习算法）

简介

• 此前，无论是回归问题还是分类问题，本质上其实都属于有监督学习范畴：即算法的学习是在标签的监督下进行规律学习，也就是学习那些能够对标签分类或者数值预测起作用的规律
• 而无监督学习，则是在没有标签的数据集中进行规律挖掘，既然没有标签，自然也就没有了规律是否对预测结果有效一说，也就失去了对挖掘规律的“监督”过程，这也就是无监督算法的由来
• 而如果一个数据集没有标签，我们就只能围绕特征矩阵进行规律挖掘，更具体的来说，面对没有标签的数据集，我们只能去尽可能的探索特征矩阵中的数值分布规律，当然这些规律肯定是需要符合一定的业务场景、拥有一定的现实意义
• 而在所有的无监督学习算法中，最著名的两类算法就是聚类算法和关联规则算法
• 其中聚类算法是去探索特征矩阵中那些样本更加相似、更有可能是同一类（注意，不一定是距离更加接近），并据此对数据集中的样本进行分类（当然有时我们也会针对数据集的列进聚类）
  • 著名的如RFM用户价值划分，就是通过三个维度的评估对不同类型用户进行价值划分的聚类过程
    
  • 而关联规则算法则更加聚焦于一个具体的业务场景——即针对一个购物篮数据进行频繁项的挖掘，并据此进一步探索不同数据之间是否存在一定的“关联性”，也就是所谓的关联规则，典型的如啤酒和尿布（尽管已经被证伪），就是在进行关联性的挖掘