博客

概念

1. 上一片文章我们了解了监督学习，监督学习是一种目的明确的训练方式，通过已知因素和已知的结果，通过机器训练，是机器能学会通过已知因素得到未知的结果。而无监督学习是通过给未知的数据，进行分类，也许你就会问了，我都不知道有什么规律，我怎么区分类呢？这就是用到算法模型了。
2. wiki：无监督学习（英语：unsupervised learning）是机器学习的一种方法，没有给定事先标记过的训练示例，自动对输入的资料进行分类或分群。无监督学习的主要运用包含：聚类分析（cluster analysis）、关系规则（association rule）、维度缩减（dimensionality reduce）。它是监督式学习和强化学习等策略之外的一种选择。
   一个常见的无监督学习是数据聚类。在人工神经网络中，生成对抗网络（GAN）、自组织映射（SOM）和适应性共振理论（ART）则是最常用的非监督式学习。
3. 这么看下来非监督学习比监督学习的逼格真的是高了很多
   

总结：

• 无监督学习是一种机器学习的训练方式，它本质上是一个统计手段，在没有标签的数据里可以发现潜在的一些结构的一种训练方式。
• 几个特点：
  1. 无监督学习没有明确的目的
  2. 无监督学习不需要给数据打标签
  3. 无监督学习无法量化效果

无监督学习的例子

发现异常（风控）

1. 违法的洗钱行为，洗钱的用户和不洗钱的用户在某些特征上总是有区别的，但是在一个超大账户上，我们并不知道那些是正常用户，那些事非正常用户。所以我们采用无监督学习，将这些用户通过各个特征进行分类，通过分完类的快速分析出正常用户，然后通过更加深入的分析得到异常用户的特征

用户细分

这个对于广告平台很有意义，我们不仅把用户按照性别、年龄、地理位置等维度进行用户细分，还可以通过用户行为对用户进行分类。

通过很多维度的用户细分，广告投放可以更有针对性，效果也会更好。

案例3：推荐系统

大家都听过”啤酒+尿不湿”的故事，这个故事就是根据用户的购买行为来推荐相关的商品的一个例子。

比如大家在淘宝、天猫、京东上逛的时候，总会根据你的浏览行为推荐一些相关的商品，有些商品就是无监督学习通过聚类来推荐出来的。系统会发现一些购买行为相似的用户，推荐这类用户最”喜欢”的商品。

常见的2类无监督算法

1. 聚类

• 简单说就是一种自动分类的方法，在监督学习中，你很清楚每一个分类是什么，但是聚类则不是，你并不清楚聚类后的几个分类每个代表什么意思。

2. 降维

• 降维看上去很像压缩。这是为了在尽可能保存相关的结构的同时降低数据的复杂度。
  在这里就不细说了，明天详细讲解

总结

无监督学习，通过几种算法模型，给未知的数据进行分类，再根据这些数据分析这些数据的特征。

参考：

• https://easyai.tech/ai-definition/unsupervised-learning/
• https://zh.wikipedia.org/wiki/%E7%84%A1%E7%9B%A3%E7%9D%A3%E5%AD%B8%E7%BF%92