機器學習之非監督學習

機器學習之非監督學習 一、非監督學習介紹 利用無標籤的數據學習數據的分佈或數據與數據之間的關係被稱作無監督學習。 有監督學習和無監督學習的最大區別在於數據是否有標籤。 無監督學習最常應用的場景是： 聚類 (clustering) 降維 (Dimensional Reduction) 假設函數： hθ(⋅) 希望： hθ（x(i)）=x(i) 二、k-means 算法 K-Means 的算法如下：

>>阅读原文<<