吴恩达机器学习笔记002——Unsupervised Learning（无监督学习）

输入的数据集中不包含label，只有数据集，要求算法判断出他的结构来分类。

一、分类

1.Clustering(聚类算法)

    将不同的无标签集合进行自动分类

2.cocktail party algorithm（鸡尾酒算法）

             将两个声音混合成的音频交给算法来进行处理，找到各自的数据结构（音频）。

二、常见应用

    1. 探索性分析

        无监督学习在探索性分析中非常有用，因为它可以自动识别数据结构。例如，如果分析师试图对消费者进行细分，那么无监督聚类方法将成为他们分析的一个很好的起点。在人们提出数据趋势是不可能或不切实际的情况下，无监督学习可以提供初始见解，然后用于检验个人的假设。

    2.降维

        降维指的是使用较少的列或特征来表示数据的方法，可以通过无监督的方法来实现。在表示学习中，我们希望了解各个特征之间的关系，使我们能够使用与我们初始特征相互关联的潜在特征来表示我们的数据。这种稀疏的潜在结构通常比我们开始使用的功能要少得多，因此它可以使进一步的数据处理变得更加密集，并且可以消除冗余功能。