无监督学习是一种学习方法,其不为训练集提供对应类别的标识,通常适用于有数据集但无标签的情况。
无监督学习特点
- 使用的数据未经标记,即不知道输入数据对应的输出结果,其只能自己寻找数据模型和规律,如聚类和异常检测;
- 其目的是去对原始资料进行分类,以便了解资料内部结构;
- 学习时不知道分类结果是否正确,亦即没有收到监督式增强;
- 仅对此种网络提供输入范例,而它会自动从这些范例中找出潜在类别规则,学习完毕和测试后,会将其用至新的案例;
机器学习目前分为监督学习、无监督学习和半监督学习,其划分标准是训练样本是否包含人为标注的结果。
相关词:监督式学习、半监督学习
子级词:Apriori 算法、 K-Means 算法