2.2 无监督学习

文档摘要

2.2 无监督学习 2.2 无监督学习 (Unsupervised Learning) 在机器学习的广阔领域中，无监督学习扮演着发现数据内在结构和模式的关键角色。与需要带有明确标签的训练数据进行学习的监督学习不同，无监督学习处理的是没有预先标记的原始数据。其核心目标是探索数据本身，揭示隐藏的关系、分组或简化数据的表示形式。 2.2.1 引言无监督学习旨在从数据集中发现未知模式，而无需人工提供“正确答案”或标签。它是一种探索性的学习方式，常用于数据预处理、特征工程、数据可视化以及发现数据中潜在的结构。例如，它可以用于将客户分成不同的群体（客户细分）、识别异常交易（异常检测）或降低数据维度以便于分析和可视化。 2.2.2 核心概念与目标无监督学习的核心在于缺乏标签。