在学习机器学习基础知识时，最基本的概念之一是有监督学习与无监督学习。这篇博客文章提供了一个简短的概要介绍、视觉效果和一些无监督机器学习的例子，这些例子可以让你的ML知识更上一层楼。什么是无监督机器学习？监督学习是指使用一组输入变量来预测一个标记输出变量的值。它需要带标签的数据（把它看作是模型可以用来评估其性能的答案键）。相反，无监督学习是指从未标记的数据集中推断出潜在的模式，而不参考任何标记的结果或预测。无监督学习有几种方法，但聚类是最常用的无监督学习技术。聚类是指将具有相似特征的数据点自动分组并将其分配给"簇"的过程要查看集群的实际应用示例，请查看集群：它是如何工作的（用简单的英语！）。无监督机器学习用例无监督机器学习（更具体地说，集群）的一些用例包括：客户细分，或了解不同的客户群体，围绕这些群体建立营销或其他商业战略。遗传学，例如聚类DNA模式来分析进化生物学。推荐系统，包括将具有相似观看模式的用户分组，以便推荐相似的内容。异常检测，包括欺诈检测或检测有缺陷的机械部件（即预测性维护）。大田町的无监督学习与聚类Dataiku可以很容易地利用机器学习技术，并获得模型性能的即时视觉和统计反馈。在Dataiku中了解有关集群（无监督机器学习）的更多信息。