【机器学习】（十四）无监督学习算法的开始

在无监督学习中，学习算法只有输入数据（一般用不包含任何标签信息的数据），并需要从这些数据中提取知识。结果没有正确答案，不像监督学习可以计算精度，评估无监督算法结果的唯一方法是人工检查。

无监督学习的类型

• 数据集变换算法：创建数据集新的表示的算法，使其更容易被理解。可以应用在降维，用较少的特征就可以概括其重要特征（可视化数据降成二维）；还可以用在主题提取，找到构成数据的各个组成部分（社交网络上的讨论话题）。
• 聚类算法：将数据划分成不同的组，每个组包含相似的物象（照片分类）。

无监督算法的应用

• 用于探索性的目的。
• 作为监督学习算法的预处理步骤。提高监督算法的精度，或者减少内存的占用和开销。