9.1. 非监督学习的概念

非监督学习的概念

非监督学习

• 回顾： 监督学习
  数据集有一系列的标签，监督学习的目的是找到空间中不同类数据标签之间的决策边界。
  数据集的表示：\(\{(x^{(i)},y^{(i)}),...\}\)

• 非监督学习
  在非监督学习中，数据集没有事先预设好的标签。非监督学习的目的是先要自动根据数据的特征对数据进行分类，再找到不同类数据之间的决策边界。
  数据集的表示：\(\{(x^{(i)})..\}\)

聚类算法

根据数据分布的聚集情况自动将数据分为多类/簇，或者是多个子集的算法称为聚类算法（Clustering Algorithm）。