非监督学习初探

朱雀 2022-11-27 15:45 129阅读 0赞

# 导读 #

**非监督学习，就如同字面意思，没有人监督的，也就是机器自学。**

# 非监督学习的定义 #

> 现实生活中常常会有这样的问题：缺乏足够的先验知识，因此难以人工标注类别或进行人工类别标注的成本太高。很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。
> 
> ——摘自[百度百科：无监督学习][Link 1]

这个定义似乎比**监督学习**更简单，最起码而言没有涉及过多的理科专有词汇。不过这个定义依然比较抽象，我们来举个例子看看：

你是一个大老板，能赚很多钱，但是除了赚钱一无所知。这一天，你拿到了一车黑色液体，里面有酱油，有生抽，有可乐，甚至有枇杷膏。你知道这些是你能够发财致富的东西，可你却**完全不知道它们之间的区别是什么**。于是你请了一队人**工具人**来帮你鉴定分类，他们都是各种菜系的国家级厨师，能够很快根据自己的经验捕捉到这瓶黑色液体的显著特点，并鉴定出这到底是什么；然后给你分好类、装好箱、上好架。最后，你根据他们分好的类别去货架上贴好标签，你的店铺就被**整理得整整齐齐**的了。

听起来这个例子无论是**机器**还是**学习**都扯不上半点关系，但这个例子确实说明了**无监督学习的几个特点**：

*  缺乏足够的先验知识，因此你没有办法直接给这些黑色液体标注类别；
 *  因为量太大，自己标注所需要花费的时间成本太高，只好交给别人，而且是极其有耐心的**工具人**；

那么，我们在这两条特点的基础上继续整理出**无监督学习的使用条件**：

*  从**庞大的样本**集合中选出一些具有代表性的加以标注用于分类器的训练；
 *  先将所有样本自动分为不同的类别，再**由人类对这些类别进行标注**；
 *  在**无类别信息**情况下，寻找好的特征；

也就是说，只要这组数据并没有明确分类，只是整个数据集一股脑地全扔给了程序，那就需要使用**非监督学习**。而如果你已经明确知道了这一大串数据集中哪些是第一类，哪些是第二类，就像是垃圾邮件和星标邮件的明显区别，就是**监督学习**。

同时，监督学习和非监督学习另外一个区别则是数据的认定。在监督学习中数据将会被认定为“**正确**”，而非监督学习只会当成**单纯的数据**进行分类，不问对错，只给结果。

是不是有点能理解了呢？

[Link 1]: https://baike.baidu.com/item/%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/810193