비지도 학습이는 훈련 세트에 대한 해당 카테고리 식별을 제공하지 않는 학습 방법으로, 일반적으로 데이터 세트는 있지만 레이블이 없는 상황에 적용할 수 있습니다.

비지도 학습 기능

• 사용된 데이터는 레이블이 지정되지 않았으므로 입력 데이터에 해당하는 출력 결과를 알 수 없으며 클러스터링, 이상 탐지 등 데이터 모델과 규칙만 스스로 찾아낼 수 있습니다.
• 그 목적은 원본 데이터를 분류하여 데이터의 내부 구조를 이해하는 것입니다.
• 학습하는 동안 분류 결과가 정확한지 알 수 없습니다. 즉, 지도 향상을 받지 못합니다.
• 이러한 네트워크는 입력 예제만 제공받고, 이러한 예제에서 잠재 클래스 규칙을 자동으로 찾아 학습하고 테스트한 다음 새로운 사례에 적용합니다.

머신 러닝은 현재 지도 학습, 비지도 학습, 반지도 학습으로 구분되며, 분류 기준은 학습 샘플에 사람이 분류한 결과가 포함되어 있는지 여부입니다.

관련 용어: 지도 학습, 반지도 학습

하위 단어: Apriori 알고리즘, K-Means 알고리즘