与监督学习相反,无监督学习的数据是没有标签的,我们把数据给机器,并让它试着从这些数据中找到某种结构。
无监督学习使我们能够在不知道结果应该是什么的情况下处理问题。我们可以从不一定知道变量影响的数据中导出结构。
我们可以根据数据中变量之间的关系对数据进行聚类,从而得出这种结构,在无监督学习中,没有基于预测结果的反馈。
例子:
聚类:收集1000000条不同的新闻内容,找到一种方法自动对这些新闻进行分组,例如分为娱乐圈新闻,科研圈新闻,IT届新闻等。
非聚类:鸡尾酒会算法,允许你在混乱的环境中找到结构。