无监督学习概述
无监督学习方法概述
监督学习
在一个典型的监督学习中，训练集有标签y，我们的目标是找到能够区分正样本和负样本的决策边界，需要据此拟合一个假设函数。
无监督学习
在无监督学习中，我们的数据没有附带任何标签y，无监督学习主要分为聚类、降维、关联规则、推荐系统等方面
主要的无监督学习方法
- 聚类 (Clustering)
- 降维 ( Dimensionality Reduction ）
- 关联规则 ( AssociationRules）
- 推荐系统 ( Recommender systems）
聚类
主要算法
密度聚类、层次聚类、K-means
主要应用
市场细分、文档聚类、图像分割、图像压缩、聚类分析、特征学习或者词典学习、确定犯罪易发地区、保险欺诈检测、公共交通数据分析、IT资产集群、客户细分、识别癌症数据、搜索引擎应用、医疗应用、药物活性预道