非监督学习是为监督学习服务的？半监督学习也是为监督学习服务的吗？

Question

老师，看完我理解机器学习按找算法的方法可以分为4种，

非监督学习是聚类，那是不是可以理解成非监督学习是得到标签结果，是监督学习的前奏；

然后非监督学习，可以降低特征维度，降维和聚类的关系是：降维==聚类？还是降维是聚类的一个性质？然后非监督学习还可以做异常检测，那异常检测是不是聚类的一个副产品，就是正好异常点被聚到一块了？

然后说非监督学习可以用来给监督学习做异常点检测，是不是非监督学习从属于监督学习？

对增强学习，感觉增强学习是不是属于非监督学习，因为如果是监督的话，答案都有了就不用学了？

Answer 1

liuyubobobo 2017-12-24 07:28:55

非监督学习不是聚类。非监督学习就是指对没有“标记”的数据进行学习的过程。聚类分析只是非监督学习的一种。聚类分析是一种非监督学习；降维是一种非监督学习；异常点监测也是一种非监督学习。

非监督学习不从属监督学习。异常点监测也不一定是给监督学习做的。我们完全可以通过一组没有标记的数据进行异常点检测，这个过程和监督学习无关。

确实有可能为了更好的进行监督学习，先进行异常点监测的情况。但是从逻辑上，为了A事件，做了B事件，B事件和A事件也完全没有从属关系。比如你为了参见毕业典礼，所以买了一套新衣服。不代表“买衣服”这个过程从属于“毕业典礼”这个过程。

增强学习不属于非监督学习。增强学习是完全不一样的领域。是机器在与环境的交互中逐渐学习的过程。这个课程完全不涉及增强学习。

看了你这个问题，我觉得这一小节我的基本逻辑是不是没有讲清楚？再总结一下如下：

机器学习的种类可以分成：监督学习；非监督学习；半监督学习；增强学习。

• 监督学习：分类，回归；

• 非监督学习：聚类，降维，异常点监测；

• 半监督学习；

• 增强学习；

这个课程的重点在监督学习上。

• 提问者 神经旷野舞者 #1

  应该是我没理解好，视频里关键细节学的时候被不自觉过滤了。
  还有就是，总感觉聚类，降维，异常检测这三个的关系有点暧昧啊，是不是说他们是根据应用场景分的，但是性质上其实是有重叠的，比如说聚类了那维度自然降低了，所以聚类属于降维的一种结果？
  异常检测是不是就是自动聚类成异常和非异常两类？

• liuyubobobo 回复 提问者 神经旷野舞者 #2

  聚类和降维不同。聚类是对数据标记的一种学习，比如讲一个网站上的客户群体分为“冲动型购物消费者”和“理智型购物消费者”，但是这并没有改变这些消费者数据的维度。降维不会学习到数据的“标记”，是在尝试减少数据的特征维度。至于你说异常检测可以理解成聚类，有一定的道理。或者可以说：可以使用聚类的算法解决异常检测的问题。但一般效果不够好。还有一些专门的算法专门解决异常检测问题。关键还在于聚类是对正常数据的划分，但是异常是在找出不正常的数据。不过这个课程本身也不涉及异常检测，只在这里进行一个概念性的介绍。