无监督学习

无监督学习只处理“特征”，不操作监督信号。大多数尝试是指从不需要人为注释的样本的分布中抽取信息，如密度估计、学习从分布中采样、学习从分布中去噪、寻找数据分布的流形、将数据中相关的样本聚类

聚类

• KMeans

降维

• 主成分分析（PCA）
• 奇异值分解（SVD）

无监督深度学习

• 自编码机（AutoEncoder）:

自编码器和数据压缩算法背后的逻辑差不多，用一个子集来反映原始数据集的特征。

像神经网络一样，自编码器利用权重把input转换成理想的output。不过在这里，output和input并不是两种不同的东西，output只是input的一种更轻便的表示方式。

《深度学习》 5.8 P91