导入
无监督学习
无监督学习是一种机器学习方法，在解决许多实际问题中发挥着至关重要的作用。你将在本课中学习相关内容。
无监督学习
无监督学习是指从无标签数据集中推断出规律的一类机器学习方法。这与我们之前处理有标签数据集的有监督学习形成对比。
无监督学习的类型
- 无监督学习有助于我们识别数据集中的模式。数据聚类是无监督学习的一种技术，同一簇内的元素具有相似的特征，并被赋予相同的标签。一些著名的聚类算法包括：
- KMeans 聚类
- 层次化 聚类
- DBSCAN 聚类
...
聚类示例
-
关联规则挖掘 是无监督学习的一个子分支，用于发现数据集中经常一起出现的项目。
-
异常检测 可帮助我们识别数据中的异常模式或行为，例如欺诈性信用卡交易、网络攻击流量等。
-
降维 是指将高维空间中的数据映射到低维空间的过程。它有助于我们在低维度下可视化数据集，并找到数据在低维空间中的合适表示形式。常用的降维技术包括主成分分析（PCA）等。
...
无监督学习类型