前言：
宣告：本定義僅為個人理解，並非是官方專業定義
無監督學習即，讓機器通過某種演算法，自動的從一堆資料集裡區分開來不同屬性的資料，然後當機器具有區分類別的能力之後，再給他乙個他沒見過的樣本，讓他用他的能力來識別這個樣本屬於哪一類。
這部分會給出幾個例子來幫助理解什麼是無監督學習。吳恩達的課程裡沒有貓狗問題的舉例，這個是我覺得比較好理解的，所以把這個問題也加進來了
給電腦一堆貓狗的**，讓他能區分開來這兩類，「區分」在這裡的含義僅僅是電腦能知道有a、b兩類**，但不知道a類**代表貓，b類**代表狗。然後電腦有這個「區分」能力之後，再給他一張貓或者狗的**，讓他識別出來這個**是屬於a類還是b類。
在這個問題中電腦並不知道某張**的正確答案是什麼，它只知道這些**能分成不同的組，在電腦執行一段時間後，他才知道這些**能分成兩組。這就是無監督學習，即沒有標準答案的學習
給你一組基因序列，這些基因序列可能某乙個或某幾個地方共同影響人的乙個性狀。但是目前人類不知道有哪些性狀，以及哪些基因序列會影響某些特定的性狀，這時就要設計乙個「聚類演算法」，把表達出不同性狀的乙個或者一些基因聚成類。
在這個問題中，不僅電腦不知道正確答案，甚至人類都不知道正確答案是什麼，最後的結果能分成幾組（至少在貓狗問題中，我們還可以預料到最後的結果是兩組）。雖然電腦不知道最後會分成幾組，但它也會根據你給他設計的聚類演算法，把這些基因分成特定的一些組別。這也是無監督學習。
吳恩達機器學習筆記之無監督學習
和監督學習相比，無監督學習的資料集是沒有標籤的。所謂沒有標籤的意識就是我們對資料一無所知，但是要借助一些演算法試著幫我們尋找到資料的某些結構特性。聚類 clustering 演算法是我們要學習的第乙個無監督學習的演算法，將我們的資料分成不同的簇。假設我們有下圖所示的資料集 k means演算法是乙個...
機器學習筆記 監督學習，無監督學習，半監督學習
這個問題可以回答得很簡單 是否有監督 supervised 就看輸入資料是否有標籤 label 輸入資料有標籤，則為有監督學習，沒標籤則為無監督學習。什麼是學習 learning 學習 乙個成語就可概括 舉一反三。此處以高考為例，高考的題目在上考場前我們未必做過，但在高中三年我們做過很多很多題目，懂...
機器學習筆記 監督學習 無監督學習分類筆記
無監督學習 給出一資料組，並已知曉這組資料的對應關係，然後給出一組新的資料，嘗試對其進行 和分析，這裡注意，提前給出的資料組 data set 是已知內部的資料的對應關係，後面給出的新的資料，是要依據對之前資料的學習後，給出新的資料對應的 值。而對於 的結果的不同，又將監督學習分為分類 classf...