机器是如何学习的？（非监督式学习）

---

theme: orange

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第21天，点击查看活动详情。

众所周知，机器学习增强了人类的能力，让以前人脑不可能的事情变成了可能。机器学习目前广泛应用于金融、产品销售、新媒体、医疗、社会科学、游戏娱乐、工业制造等众多领域，它无处不在，并且在蓬勃发展！但接下来的问题是，应用场景虽然不同，但其原理都是相同的，那么机器是如何学习的？

非监督式学习

另一方面，非监督式学习算法在没有标记的数据上工作。即在训练时，没有标签供模型进行修正。从机器学习术语来说，就是只有特征变量，没有结果变量。

虽然没有标签，但是也并不意味着非监督式学习会漫无目的地学习。实际上，这些算法会寻找数据中的潜在模式或连接，并使用这些点来帮助理解/分析数据。

那么为什么不总是采用标记的数据呢？原因可能有：

• 有时候得到标记的数据无法来使用
• 标记的数据的成本很高
• 数据量非常巨大，无法再合理的时间内添加标签

但无法通过标记的数据进行学习也不完全是坏事，因为当我们不知道自己到底寻找学习什么时，用非监督式学习算法可能更加有效。

分类

非监督式学习主要分为数据聚类与分群(Clustering)与数据降维(Dimension Reduction)。

数据聚类与分群

聚类是利用算法在数据点中找到相似之处，并将相似的数据分组在一起进行聚类和分群，这种典型案例有新闻聚类分群模型。聚类的依据可以是以下几点：

• Distance(K-Means)
• Density(DBSCAN)

数据降维

通常，数据包含了太多的特征，而且并不是所有的特征都对模型的预测能力有同样的贡献。可以使用数据降维帮助去除数据集中多余的特征。这种典型案例有人脸特征数据降维。

模型

从机器学习模型的角度，可以将非监督式学习分成不用的算法模型，包括但不限于：

• PCA(主成分分析)
• 聚类和分群模型
• 协同过滤算法模型
• Apriori关联分析模型

例子

借助于书籍《Python 大数据分析与机器学习商业案例实战》，讲解一个实际例子。

非监督式学习(训练数据中无目标变量)如下图所示，它的训练数据中只有特征变量，而没有目标变量(品种)，所以它的学习目的不是预测品种。以第13章的聚类模型为例，非监督式学习可以根据这些特征将训练数据中的狗进行归类，如A类狗、B类狗、C类狗，那么对于一个新样本便可以根据它的特征来判别它属于哪一个分类。

提醒

监督式学习最适合于预测、分类、性能比较、预测分析、定价和风险评估等任务；至于非监督式学习，它在性能监测、销售功能、搜索意图以及潜在的更多方面都有一席之地。