無監督學習

常见任务包括对相似记录进行聚类以及将高维测量压缩为更少的维度。發現的模式仍然需要解釋和驗證。

重點摘要

• 未標記的模式不是不言自明的。
• 特徵和縮放會影響相似性。
• 驗證穩定性和實際用途。

聚类根据数学相似性规则对示例进行分组。该规则取决于特征、它们的缩放、算法及其设置。根據購買頻率找到的一組可能與根據產品偏好找到的一組不同。沒有自動保證任何一個都對應於有用的客戶類別。降維將測量值的集合轉換為更小的表示形式。它可以帮助可视化、压缩或其他模型。二維圖片會丟棄訊息，因此圖中的距離和明顯間隙不應被視為有關原始資料的不容置疑的事實。透過改變合理的預處理選擇或對不同的記錄進行取樣來評估穩定性。檢查代表性和邊緣範例。内部分数可以比较数学分组，但必须根据真实目的来判断有用性。如果部分資料存在標籤，它們可以提供額外的外部檢查。不尋常的例子可能是重要的、錯誤的，或者只是與大多數不同。異常分數是調查的信號，而不是不當行為的證據或診斷。在部署無人監督的偵測器之前確定警報發生後的情況。

1. 想像一下兩筆記錄相差 1 次造訪和 1,000 美元的支出。原始歐幾里德距離主要由美元差異決定。
2. 使用參考資料集上擬合的統計資料縮放每個特徵，然後再次比較鄰居。
3. 在命名之前檢查產生的群組是否穩定且對於規定的任務有用。

這個建構的範例解釋了建模選擇；它沒有建立通用的聚類方法。