机器学习方法及应用课件 第6章 无监督学习.pdfVIP

第6章

无监督学习

UnsupervisedLearning

00目录

1.无监督学习概述

2.聚类

3.关联分析

4.应用

01无监督学习概述

⚫定义

➢无监督学习是机器学习的一个重要分支。它的核心特点是训练数据没有人工标注的标签，

系统需要直接从原始数据中学习内在的规律、结构或模式。

➢其目标是发现数据中隐藏的结构。这不仅仅是把数据分组，还包括简化数据、找出关键特

征等。

01无监督学习概述

⚫任务

➢无监督学习主要围绕以下几大任务展开:

•聚类：如K-means算法、DBSCAN算法、EM算法等，其目标是将数据集中的样本

划分为若干个互不相交的子集(称为“簇”)，使得同一簇内的样本彼此相似，不同簇

的样本差异较大。

•降维：如主成分分析(PCA)等，其目标是减少数据的特征数量，同时尽可能保留重要

信息，常用于数据可视化和预处理。

•关联分析：如Apriori算法，其目标是从