machine-learning - 使用 k 均值聚类或关联规则的无监督学习的应用

Question

我一直在研究一些无监督学习的应用程序，但只在互联网上发现了一些假设的应用程序，例如无监督学习可以用于欺诈检测等。例如，对于监督学习，您拥有正在现实世界中实现的即时医生。然而，对于无监督学习，这些应用程序似乎是假设的，因此实际上正在实现，还是只是假设？

Answer 1

无监督学习有很多应用，并且有多种技术可以帮助我们实现这些应用。我将简要介绍其中的一些

1) 图像分割 - 将图像划分为不同的区域，然后对它们进行聚类以客观化它们。

2)Netflix电影推荐系统，其中用户观看的那些电影被放入一个集群中。在这里，无监督学习在确定这些电影然后向该用户推荐其他此类/类似电影方面发挥着重要作用。

3)亚马逊购物，相似的用户根据他们的购物历史、购买商品的金额、访问特定类型的商品都被放在一个集群中，这有助于这些巨头研究这些因素，然后只向您推荐这些东西。

为了实现这些目标和其他目标，需要基于无监督学习的技术。 k-means、层次聚类、基于密度的聚类等技术广泛用于实际应用。

这些只是无监督学习的众多应用中的一小部分。

希望这能澄清。