无监督学习的主要任务是什么？

关键要点

• 无监督学习的训练数据只有特征，没有标签。
• 其主要任务是发现数据中的内在结构和模式。
• 常见任务包括聚类分析、降维、关联规则学习和异常检测。
• 聚类分析是将相似的数据点进行分组。
• 降维旨在减少特征数量同时保留重要信息。
• 关联规则学习用于发现数据项之间的有趣关系。
• 异常检测用于识别与大多数数据显著不同的点。

怎么选 / 怎么做

无监督学习适用于只有特征数据、没有标签的场景，目标是探索数据模式而非预测。主要任务包括：
- 聚类分析：将相似数据点分组。
- 降维：减少特征数量，保留重要信息。
- 关联规则学习：发现数据项间的关系。
- 异常检测：识别显著不同的数据点。

常见问题

无监督学习的训练数据有什么特点？

训练数据只有特征，没有对应的标签。

无监督学习最常见的任务是什么？

最常见的任务是聚类分析，即将相似数据点分组。

无监督学习与监督学习的核心区别是什么？

核心区别在于训练数据是否包含标签。