简介

在本章中，我们将继续使用 scikit-learn，学习无监督学习方法——即从无标签数据集中提取信息的方法。具体而言，你将了解不同的聚类算法，以及它们如何将相似的数据样本进行分组。

A. 无监督学习

到目前为止，我们仅使用了有监督学习方法，因为我们处理的都是带有标签的数据集。然而在现实世界中，许多数据集是完全没有标签的，因为标注数据需要额外的工作和前瞻性规划。与其忽略这些无标签数据集，不如利用无监督学习从中提取有价值的信息。

由于我们只能依赖数据样本本身而没有标签，无监督学习方法的核心在于发现数据样本之间的相似性或差异性，并基于这些发现做出推断。最常用的无监督学习方法是聚类。顾名思义，聚类算法会将数据划分为不同的组（即簇），每个簇包含相似的数据样本。

聚类被广泛应用于多种场景，例如异常检测（区分真实数据与欺诈数据）和市场调研（根据客户的购买历史将其分类）。在接下来的章节中，你将学习数据科学中常用的多种聚类算法，以及其他用于发现数据样本间相似性的工具。