Evian, CFA2022-10-31 00:19:28

ヾ(◍°∇°◍)ﾉﾞ你好同学，

非监督学习：
根据没有被标记样本数据，找到其中的规律。
这个过程中不设置限制，结构化数据和非结构化数据都可以作为样本数据

如下截图：
非结构化数据：没有按照预定义的方式组织或缺少特定数据模型的数据，比如我们常见的文章、对话等等。包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等
结构化数据：数据点之间具有清晰的、可定义的关系，并包含一个预定义的模型的数据。可以存在数据库中。

机器学习常用方法：主要分为有监督学习(supervised learning)和无监督学习(unsupervised learning)。

监督学习：人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数据进行分类的能力。在人对事物的认识中，我们从孩子开始就被大人们教授这是鸟啊、那是猪啊、那是房子啊，等等。我们所见到的景物就是输入数据，而大人们对这些景物的判断结果（是房子还是鸟啊）就是相应的输出。当我们见识多了以后，脑子里就慢慢地得到了一些泛化的模型，这就是训练得到的那个（或者那些）函数，从而不需要大人在旁边指点的时候，我们也能分辨的出来哪些是房子，哪些是鸟。

无监督学习（也有人叫非监督学习，反正都差不多）则是另一种研究的比较多的学习方法，它与监督学习的不同之处，在于我们事先没有任何训练样本，而需要直接对数据进行建模。这听起来似乎有点不可思议，但是在我们自身认识世界的过程中很多处都用到了无监督学习。比如我们去参观一个画展，我们完全对艺术一无所知，但是欣赏完多幅作品之后，我们也能把它们分成不同的派别（比如哪些更朦胧一点，哪些更写实一些，即使我们不知道什么叫做朦胧派，什么叫做写实派，但是至少我们能把他们分为两个类）。
----------------------
学而时习之，不亦说乎👍【点赞】鼓励自己更加优秀，您的声音是我们前进的源动力，祝您生活与学习愉快!~