Fork me on GitHub

5分钟AI，每天搞懂一个知识点(2) - 无监督学习

字数统计: 634字   |   阅读时长≈ 2分

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 无监督学习

一句话核心：让AI在「没有标准答案」的数据中自己发现规律——像人类探索未知世界！

是什么？

定义：从未标记数据中挖掘隐藏模式，通常采用聚类、降维、关联等算法去发现数据中的规律。

✅ 关键特征：无老师指导、数据无标签
❌ 常见误区 ≠ 完全不需要人类（仍需设计算法目标）

怎么做

无监督学习，主要实现算法方案有以下三种：

  • 聚类：相似数据分组
  • 降纬：压缩数据特征
  • 关联：发现数据关联规律

聚类(K均值聚类) —— 物以类聚

主要解决问题： “哪些东西本质相似？”

例子： 自助餐厅菜品自动分区

  • 原始状态：200道菜杂乱摆放
  • 聚类过程：
    • ✓ 算法检测菜品特征（烹饪方式/食材/口味）
    • ✓ 自动划分为：海鲜刺身区、川湘热炒区、西式烘焙区
  • 价值：顾客5秒锁定目标区域

降维(PCA) —— 去芜存菁

主要解决问题： “如何简化复杂信息？”

例子： 购房决策简化模型

  • 原始参数：20个维度（学区/通勤/绿化率/物业费…）
  • 降维过程：
    • ✓ 算法提取核心特征 → 教育资源指数 & 生活便利度
    • ✓ 生成二维图谱
  • 价值：半小时锁定目标房源

关联（Association）—— 发现隐藏规律

主要解决问题： “哪些事总一起发生？”

例子： 便利店商品摆放策略

  • 原始数据：10万条购物小票
  • 关联规则挖掘：
    • {薯片，可乐} → {纸巾} [支持度=22%，置信度=81%]
    • 规律：买零食饮料的顾客81%会顺手拿纸巾
  • 价值：收银台旁放置纸巾架→ 纸巾销量+35%

动手实验

  • 聚类实操：用K-means GUI可视化分群过程 → 在线查看
  • 降维对比：在TensorFlow Embedding Projector 看词向量压缩 → 在线查看
  • 关联发现：通过Python实现超时购物车数据分析 →在线查看

实际案例

  • 电商聚类：亚马逊用DeepCluster算法将商品分成27万类（比人工分类多19倍）
  • 降维奇效：NASA用t-SNE分析星系图像，将数据处理时间从3周缩短到4小时
  • 关联暴利：7-Eleven发现 关东煮 + 清酒 关联销售规律，冬季单店增收$6,800

参考资料

赏

谢谢你请我吃糖果

支付宝
微信

扫一扫，分享到微信

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia-plus根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

Qborfy

毕业于广大华软学院，软件工程师一枚！

Java出身，喜欢前端进行转岗，主攻全栈发展，技术有：Vue、React、Nodejs、Java等。

加我好友，多个朋友交流也不错~