非监督学习简介

在非监督学习中，训练数据是没有加标签的。
下面是一些最重要的非监督学习算法：

• 聚类
  • 均值
  • 层次聚类分析（Hierarchical Cluster Analysis，HCA）
  • 期望最大值
• 可视化和降维
  • 主成分分析（Principal Component Analysis，PCA）
  • 核主成分分析
  • 局部线性嵌入（Locally-Linear Embedding，LLE）
  • t-分布邻域嵌入算法（t-distributed Stochastic Neighbor Embedding，t-SNE）
• 关联性规则学习
  • Apriori 算法
  • Eclat 算法

例如，假设有一份关于博客访客的大量数据。想运行一个聚类算法，检测相似访客的分组。算法无需知道访客属于哪一类：它会自己找出关系，无需帮助。例如，算法可能注意到 40% 的访客是喜欢漫画书的男性，通常是晚上访问，20% 是科幻爱好者，他们是在周末访问等等。如果使用层次聚类分析，它可能还会细分每个分组为更小的组。这可以帮助为每个分组定位博文。
与此有关联的任务是降维，降维的目的是简化数据、但是不能失去大部分信息。做法之一是合并若干相关的特征。例如，汽车的里程数与车龄高度相关，降维算法就会将它们合并成一个，表示汽车的磨损。这叫做特征提取。
另一个重要的非监督任务是异常检测（anomaly detection） —— 例如，检测异常的信用卡转账以防欺诈，检测制造缺陷，或者在训练之前自动从训练数据集去除异常值。异常检测的系统使用正常值训练的，当它碰到一个新实例，它可以判断这个新实例是像正常值还是异常值。