哲哲的ML筆記（二十七：無監督學習簡要介紹）

無監督學習 vs 有監督學習

監督學習中，我們有一個有標籤的訓練集，我們的目標是找到能夠區分正樣本和負樣本的決策邊界

在非監督學習中，我們的數據沒有附帶任何標籤，我們拿到的數據就是這樣

在這裏我們有一系列點，卻沒有標籤。
在非監督學習中，我們需要將一系列無標籤的訓練數據，輸入到一個算法中，然後我們告訴這個算法，快去爲我們找找這個數據的內在結構給定數據。我們可能需要某種算法幫助我們尋找一種結構。圖上的數據看起來可以分成兩個分開的點集（稱爲簇），一個能夠找到我圈出的這些點集的算法，就被稱爲聚類算法（後面會介紹）。

無監督學習應用

1. 市場分割。也許你在數據庫中存儲了許多客戶的信息，而你希望將他們分成不同的客戶羣，這樣你可以對不同類型的客戶分別銷售產品或者分別提供更適合的服務。
2. 社交網絡分析：事實上有許多研究人員正在研究這樣一些內容，他們關注一羣人，關注社交網絡，例如Facebook，Google+，或者是其他的一些信息，比如說：你經常跟哪些人聯繫，而這些人又經常給哪些人發郵件，由此找到關係密切的人羣。因此，這可能需要另一個聚類算法，你希望用它發現社交網絡中關係密切的朋友。
3. 組織計算機集羣，或者管理數據中心。計算機經常協作工作。那麼，你可以重新分配資源，重新佈局網絡。由此優化數據中心，優化數據通信。
4. 星系的形成。用這個知識，瞭解一些天文學上的細節問題。