无监督学习

输入数据由输入特征值组成，没有目标值

• 输入数据没有被标记，也没有确定的结果，样本数据类别未知
• 需要根据样本间的相似性对样本集进行类别的划分

常见任务

• 聚类：根据相似性自动分组（例如用户分群）
• 降维：用更少的变量表达原数据结构（常用于可视化、压缩、去噪）
• 异常检测：用“偏离群体”的方式发现少数异常样本

与监督学习的关系

• 无监督学习可以帮助发现数据结构，为后续的特征工程/建模提供思路
• 当标签昂贵或稀缺时，常与 半监督学习 结合使用