無監督學習(英語:unsupervised learning),又稱非監督式學習,是機器學習的一種方法,沒有給定事先標記過的訓練範例,自動對輸入的資料進行分類或分群。無監督學習的主要運用包含:聚类分析(cluster analysis)、關聯規則(association rule)、維度縮減(dimensionality reduce)。它是監督式學習和強化學習等策略之外的一種選擇。
此條目需要擴充。 (2018年4月15日) |
此條目需要精通或熟悉相关主题的编者参与及协助编辑。 (2018年4月15日) |
一個常見的無監督學習是数据聚类。在人工神經網路中,生成對抗網絡(GAN)、自組織映射(SOM)和適應性共振理論(ART)則是最常用的非監督式學習。
ART模型允許叢集的個數可隨著問題的大小而變動,並讓使用者控制成員和同一個叢集之間的相似度分數,其方式為透過一個由使用者自定而被稱為警覺參數的常數。ART也用於模式識別,如自動目標辨識和數位信號處理。第一個版本為"ART1",是由卡本特和葛羅斯柏格所發展的。
非監督式學習常使用的方法有很多種,包括:
This article uses material from the Wikipedia 中文 article 無監督學習, which is released under the Creative Commons Attribution-ShareAlike 3.0 license ("CC BY-SA 3.0"); additional terms may apply (view authors). 除非另有声明,本网站内容采用CC BY-SA 4.0授权。 Images, videos and audio are available under their respective licenses.
®Wikipedia is a registered trademark of the Wiki Foundation, Inc. Wiki 中文 (DUHOCTRUNGQUOC.VN) is an independent company and has no affiliation with Wiki Foundation.