《Python机器学习》课件-第21章：无监督学习.pptxVIP

单击此处添加标题;目录;;无监督学习的定义与应用场景;;;关联规则与密度估计的拓展

关联规则学习专注事务型数据，如购物篮分析挖掘“如果…那么…”形式的关联关系，并辅以支持度与置信度指标，赋能推荐系统。

密度估计通过建模数据分布如高斯混合模型，使罕见数据点作为异常点浮现，为无标签环境下的异常检测提供坚实的数学基础。

自监督学习的融合与突破

大语言模型预training本质属于自监督范式，其通过预测下一个token由语料库自身提供标签，与纯无监督概念常被交替使用。

这种范式突破了传统无监督学习的局限，通过巧妙构造伪标签进行大规模数据训练，极大推动了自然语言处理等领域的底层能力跃升。;;K-Means算法原理;01;;;零售客户群体划分实战;;电商购物篮关联规则挖掘;;;降维重构误差与信息保留度分析;网格搜索与随机搜索;;高维稀疏数据引发的“维度灾难”;;非凸数据分布下的算法失效场景;;;;弱监督与自监督学习的未来演进路径;弱监督与自监督学习的未来演进路径;感谢观看