無監督學習的例子有哪些?


無監督學習是指能夠處理一組未標記的資料,並從中尋找模式。其例子包括降維和聚類。機器學習模型透過一組未經標記、分類或歸類的資料進行訓練,演算法需要在沒有監督的情況下處理這些資料。無監督學習的目標是將輸入記錄重構為新的特徵或一組具有相同模式的物件。

聚類分析用於根據對這些記錄進行的各種度量形成相同記錄的組或聚類。關鍵設計是定義對分析目標有用的聚類方式。此資料已應用於多個領域,例如天文學、考古學、醫學、化學、教育、心理學、語言學和社會學。

谷歌是聚類的一個例子,它需要無監督學習來根據新聞內容對新聞專案進行分組。谷歌有一組數百萬條關於多個主題的新聞專案,其聚類演算法必須將這些新聞專案分組為少量相同或透過多種屬性(包括詞頻、句子長度、頁面計數等)相互關聯的專案。

無監督學習的例子如下:

組織計算叢集 - 伺服器的地理位置是根據從世界特定區域接收到的 Web 請求的聚類來確定的。本地伺服器將僅包含該區域人員經常建立的資料。

社交網路分析 - 進行社交網路分析以根據朋友之間的連線頻率對朋友進行聚類。此類分析揭示了一些社交網站使用者的聯絡。

市場細分 - 銷售組織可以根據其先前開具的發票專案將其使用者聚類或分組到多個細分市場中。例如,大型超市可能需要向其雜貨使用者專門傳送有關雜貨商品的簡訊,而不是將其傳送給所有使用者。

這不僅更便宜,而且更好;畢竟,對於那些只從商店購買服裝的人來說,這可能是一種無關緊要的刺激。根據使用者的購買歷史將使用者組合到多個細分市場中,將使商店能夠專注於正確的使用者以增加銷售額並提高利潤。

天文資料分析 - 天文學家需要大型望遠鏡來研究星系和恆星。從天空多個部分接收到的光的設計或組合有助於識別多個星系、行星和衛星。

更新於:2022年2月15日

14K+ 瀏覽量

開啟您的職業生涯

完成課程獲得認證

開始學習
廣告