Обучение без присмотра

Примеры кластеризации групп по правилу математического подобия. Это правило зависит от функций, их масштабирования, алгоритма и его настроек. Группа, найденная по частоте покупок, может отличаться от группы, найденной по предпочтениям продукта. Автоматической гарантии того, что любой из них соответствует полезной категории клиентов, не существует. Уменьшение размерности преобразует набор измерений в меньшее представление. В этом может помочь визуализация, сжатие или другая модель. Двумерное изображение теряет информацию, поэтому расстояния и видимые пробелы в графике не следует рассматривать как неоспоримые факты об исходных данных. Оцените стабильность, изменив разумные варианты предварительной обработки или выбрав различные записи. Изучите репрезентативные и пограничные примеры. Внутренние оценки позволяют сравнивать математическую группировку, но полезность следует оценивать по реальной цели. Если для части данных существуют метки, они могут обеспечить дополнительную внешнюю проверку. Необычные примеры могут быть важными, ошибочными или просто отличаться от большинства. Оценка аномалии является сигналом к ​​расследованию, а не доказательством неправомерного поведения или диагнозом. Прежде чем использовать неконтролируемый детектор, определите, что следует за оповещением.