Unsupervised-Learning

无监督学习 无监督学习是一种机器学习技术，用户无需监督模型。 取而代之的是，它允许模型自行工作以发现以前未检测到的模式和信息。 它主要处理未标记的数据 集群：目标是将相似的实例分组在一起。 这是用于数据分析，客户细分，推荐系统，搜索引擎，图像细分，半监督学习，降维等的出色工具。 异常检测：目的是了解“正常”数据的外观，并使用它来检测异常情况，例如生产线上的缺陷项目或时间序列中的新趋势。 密度估计：这是估计生成数据集的随机过程的概率密度函数（PDF）的任务。 这通常用于异常检测：位于非常低密度区域的实例很可能是异常。 它对于数据分析和可视化也很有用。