机器学习 - 无监督

• 

  简述

  到目前为止，您所看到的是让机器学会找出我们目标的解决方案。在回归中，我们训练机器预测未来值。在分类中，我们训练机器将未知对象分类到我们定义的类别之一中。简而言之，我们一直在训练机器，以便它可以预测我们的数据 X 的 Y。给定一个庞大的数据集并且不估计类别，我们很难使用监督学习来训练机器。如果机器可以查找和分析运行到数 GB 和 TB 的大数据并告诉我们这些数据包含这么多不同的类别怎么办？

  例如，考虑选民的数据。通过考虑来自每个选民的一些输入（这些在 AI 术语中称为特征），让机器预测有这么多选民会投票给 X 政党，有这么多人会投票给 Y，等等。因此，一般来说，我们在给定大量数据点 X 的情况下询问机器，“关于 X，你能告诉我什么？”。或者可能是诸如“我们可以从 X 中组成的五个最佳组是什么？”之类的问题。或者甚至可以像“在 X 中哪三个特征一起出现的频率最高？”。

  这正是无监督学习的全部内容。
• 

  无监督学习算法

  现在让我们讨论一种在无监督机器学习中广泛使用的分类算法。

  k-均值聚类

  美国 2000 年和 2004 年的总统选举非常接近——非常接近。任何候选人获得的普选票最高百分比为 50.7%，最低为 47.9%。如果一定比例的选民改变立场，选举结果就会不同。有一小部分选民，如果得到适当的呼吁，就会改变立场。这些群体可能并不庞大，但在如此接近的比赛中，它们可能大到足以改变选举结果。您如何找到这些人群？您如何在预算有限的情况下吸引他们？答案是聚类。

  让我们了解它是如何完成的。

  • 首先，无论是否同意，您都会收集有关人们的信息：任何类型的信息都可能提供一些线索，说明什么对他们很重要以及什么会影响他们的投票方式。
  • 然后你把这些信息放入某种聚类算法中。
  • 接下来，对于每个集群（首先选择最大的集群是明智之举），您制作一条能够吸引这些选民的信息。
  • 最后，您交付活动并衡量它是否有效。

  聚类是一种无监督学习，可以自动形成相似事物的集群。这就像自动分类。您几乎可以对任何东西进行聚类，并且聚类中的项目越相似，聚类就越好。在本章中，我们将研究一种称为 k-means 的聚类算法。之所以称为 k-means，是因为它找到了“k”个唯一的集群，每个集群的中心是该集群中值的平均值。

  集群识别

  聚类识别告诉算法，“这里有一些数据。现在将类似的事情归为一类，然后告诉我这些群体的情况。” 与分类的主要区别在于，在分类中你知道你在寻找什么。而在集群中情况并非如此。

  聚类有时被称为无监督分类，因为它产生与分类相同的结果，但没有预定义的类。

  现在，我们对有监督和无监督学习都很满意。要了解其余的机器学习类别，我们必须首先了解人工神经网络 (ANN)，我们将在下一章中学习。