什么是无监督学习
TOP1 986
无监督学习是指：根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题。现实生活中常常会有这样的问题：缺乏足够的先验知识，因此难以人工标注类别或进行人工类别标注的成本太高。很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。
什么是无监督学习
现实生活中常常会有这样的问题：缺乏足够的先验知识，因此难以人工标注类别或进行人工类别标注的成本太高。很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。
背景和意义
现实生活中常常会有这样的问题：
（1）缺乏足够的先验知识，因此难以人工标注类别;
（2）进行人工类别标注的成本太高。
很自然地，我们希望计算机能代我们(部分)完成这些工作，或至少提供一些帮助。常见的应用背景包括：
（1）一从庞大的样本集合中选出一些具有代表性的加以标注用于分类器的训练。
（2）先将所有样本自动分为不同的类别，再由人类对这些类别进行标注。
（3）在无类别信息情况下，寻找好的特征。
常用算法
常用的无监督学习算法主要有主成分分析方法PCA等，等距映射方法、局部线性嵌入方法、拉普拉斯特征映射方法、黑塞局部线性嵌入方法和局部切空间排列方法等。
从原理上来说PCA等数据降维算法同样适用于深度学习，但是这些数据降维方法复杂度较高，并且其算法的目标太明确，使得抽象后的低维数据中没有次要信息，而这些次要信息可能在更高层看来是区分数据的主要因素。所以现在深度学习中采用的无监督学习方法通常采用较为简单的算法和直观的评价标准。
最后，推荐我们的管理工具给大家。
