机器学习中的无监督学习概念 无监督学习类型和应用

发布:2022-10-14 11:06:42
阅读:4026
作者:网络整理
分享:复制链接

在无监督学习中,机器使用未标记的数据并在没有任何监督的情况下自行学习。机器尝试在未标记的数据中找到规律并给出对应反应。

如下图,我们还以之前的例子举例,这次我们不告诉机器是勺子还是刀子。机器从给定的数据中识别,并根据它们的模式、相似性等对它们进行分组。

无监督学习的类型

1、聚类

聚类是将对象划分为在它们之间相似但与属于另一个类对象不同的方法。

举个例子,一家电信公司希望通过提供个性化的通话和数据计划来降低其客户流失率。研究了客户的行为,模型对具有相似特征的客户进行了细分。采用了多种策略来通过适当的促销和活动来最小化客户流失率并最大化利润。

2、关联

关联是一种基于规则的机器学习,用于发现集合中项目同时出现的概率。

举个例子,假设客户去超市购买面包、牛奶、水果和小麦。另一位顾客来买面包、牛奶、大米和黄油。现在,当另一个顾客来的时候,如果他买了面包,他很可能也会买牛奶。因此,基于客户行为建立关系并提出建议。

无监督学习的实际应用

1、商品分析

它是一种基于算法的机器学习模型,即如果您购买某组商品,您购买另一组商品的可能性会降低或增加。

2、语义聚类

语义相似的词共享相似的上下文。人们以自己的方式在网站上发布查询。语义聚类将所有这些具有相同含义的响应分组到一个集群中,以确保客户快速轻松地找到他们想要的信息。它在信息检索、良好的浏览体验和理解方面起着重要作用。

3、供求优化

机器学习模型用于预测需求并跟上供应。它们还用于在需求较高的地方开设商店,并根据过去的数据和行为优化根源以实现更有效的交付。

4、识别事故多发区域

无监督机器学习模型可用于识别事故多发区域并根据这些事故的强度引入安全措施。

扫码进群
微信群
免费体验AI服务