無監督學習
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。
方法
非監督式學習常使用的方法有很多種，包括：
另見
參考文獻
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.