type
status
date
summary
slug
tags
category
password
URL
icon
无监督学习简介
无监督学习是一种机器学习的训练方式，它本质上是一个统计方法，在没有标签的数据里可以发现潜在的一些结构的一种训练方式。
无监督学习主要具备3个特点：
- 无监督学习没有明确的目的
- 无监督学习不需要给数据打标签
- 无监督学习无法量化效果
无监督学习的使用场景：
案例1：发现异常
有很多违法行为都需要”洗钱”，这些洗钱行为跟普通用户的行为是不一样的，到底哪里不一样？
如果通过人为去分析是一件成本很高很复杂的事情，我们可以通过这些行为的特征对用户进行分类，就更容易找到那些行为异常的用户，然后再深入分析他们的行为到底哪里不一样，是否属于违法洗钱的范畴。
通过无监督学习，我们可以快速把行为进行分类，虽然我们不知道这些分类意味着什么，但是通过这种分类，可以快速排出正常的用户，更有针对性的对异常行为进行深入分析。
案例2：用户细分
这个对于广告平台很有意义，我们不仅把用户按照性别、年龄、地理位置等维度进行用户细分，还可以通过用户行为对用户进行分类。
通过很多维度的用户细分，广告投放可以更有针对性，效果也会更好。
案例3：推荐系统
大家都听过”啤酒+尿不湿”的故事，这个故事就是根据用户的购买行为来推荐相关的商品的一个例子。
比如大家在淘宝、天猫、京东上逛的时候，总会根据你的浏览行为推荐一些相关的商品，有些商品就是无监督学习通过聚类来推荐出来的。系统会发现一些购买行为相似的用户，推荐这类用户最”喜欢”的商品。
K-均值聚类算法
核心思想
聚类是一种无监督的学习方法，它将相似的对象归到同一个簇中。K-均值聚类算法可以发现K个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。
簇识别：簇识别给出聚类结果的含义。假定有一些数据，现在将相似数据归到一起，簇识别会告诉我们这些簇到底都是什么。
工作流程：
- 随机确定k个初始点作为质心；
- 将数据集中的每个点分配到一个簇中（按照与质心的距离进行分配，每个簇中一个质心）；
- 更新每个簇的质心为该簇中所有点的平均值；
- 重复2-3步直到数据点的簇分配节点不再发生改变；
代码实现：
二分K-均值算法
为了克服K-均值算法收敛于局部最小值的问题，有人提出了二分K-均值算法，该算法的核心思想如下:
算法首先将所有点作为一个簇，然后将该簇一分为二。之后选择其中一个簇继续进行划分，选择哪一个簇进行划分取决于对其划分是否可以最大程度降低SSE(误差平方和)的值。不断重复上述划分过程直到得到用户指定的簇数目。因为对误差取了平方，因此更重视那些远离中心的点。
K-means聚类实战
鸢尾花分类
- 作者:luxinfeng
- 链接:https://www.luxinfeng.top/article/20220306
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。