2.3 无监督学习：聚类与降维

文档摘要

2.3 无监督学习：聚类与降维 2.3 无监督学习：聚类与降维在机器学习的广阔天地中，无监督学习扮演着独特的角色。与监督学习不同，无监督学习处理的数据没有预先标注的标签或结果。它的目标是发现数据内在的结构、模式和隐藏的关系。本章将深入探讨无监督学习的两个核心任务：聚类和降维。 2.3.1 无监督学习的核心思想与应用场景无监督学习的核心思想在于“自我学习”。它不依赖外部的指导，而是通过分析数据本身的特性，例如相似性、关联性或分布规律，来揭示数据背后的奥秘。无监督学习与监督学习的区别：特征 | 监督学习 | 无监督学习数据要求 | 带有标签的训练数据 | 不带标签的原始数据学习目标 | 预测输出值监督学习的目标是学习一个从输入到输出的映射函数，以便在给定新输入时能够准确预测其输出。