知识卡片

普通读书笔记卡 · 9440.i · 生成模型:Tencent Hunyuan Hy

无监督学习

理解等级:中级

无监督学习使用不带标签(无输出)的数据,每条数据并没有既定答案,目标不是告诉计算机怎么做,而是让它自己探索数据、发现潜在规律。典型表现是物以类聚:把相似度高的样本聚到一起,新样本来了就按相似度归类。营销中缺乏既有分群依据时,可用它识别具有相同属性的顾客群,进而对不同群体采取统一策略并提炼客户特点辅助决策。与有监督学习的关键不同:无监督学习过程中并不知道分类结果是否正确,只从样本中提取某类的潜在规律,聚类问题大多属于此类。边界在于结果需要业务解释——算法给出的簇未必对应有意义的商业分组;相似度度量选择会显著影响结果。产品经理宜把它当作探索工具而非确定性分类。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第1章《机器学习入门》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00006.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:1.4.2 段指出无监督学习使用无标签数据、目标不是告诉计算机怎么做,且学习过程中不知道分类结果是否正确,1.5 段补充其按内在属性自动整理为几类,支撑本卡结论。 - 原始内容:有别于有监督学习网络,无监督学习网络在学习过程中并不知道其分类结果是否正确。无监督学习的特点是仅仅从样本中找出某个类别的潜在规律。常见的聚类问题都属于无监督学习。