1.3-什么是无监督学习？

无监督学习感觉就像让机器自学一样

上一篇讲了监督学习，现在我们将介绍第二种主要的机器学习，叫做无监督学习(Unsupervised Learning)。

先来回顾一下监督学习中的每一个样本，我们清楚知道每个样本的正确的答案，比如肿瘤是良性还是恶性。

但无监督学习中，我们只有一个数据集，我们不知道每个数据表示什么意思？数据和数据之间是什么关系？

我们举一个谷歌新闻的栗子。

谷歌新闻?每天会去收集成千上万的新闻，然后把同类型的新闻聚集在一起，做成一个专题。

显然，如果手动来分类这些新闻，那将会是非常浩大的工程。

这时候就可以用到无监督学习，它会自动把同一个新闻事件都聚到一起，做成一个专题。

这种能够能判断出数据有两个不同的聚集簇，专业术语称为「聚类算法」。

聚类只是无监督学习的一种，下面我来介绍另一种，经典的鸡尾酒会问题。

这是语音识别领域的一个问题，现在语音识别已经非常精确了，但是当说话的人数为多人时，识别率就大幅下降。

想象一下，酒会上，同时有很多人在聊天，他们的声音彼此重叠。

我们在房间放了两个麦克风?，由于每个麦克风离说话的人的距离不一样，所以记录了不同的声音。

现在我们要用算法处理这两个音频，分离出两个人说话的内容。

事实上，研究人员花费大量时间实现这一算法：

[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');

这一行代码是用 Octave 实现的。

相比其他语言，使用 Octave 作为编程环境，对实现算法和模型构建会高效很多。

---

写于 2018.12.1