机器学习中，除了常见的监督学习（英语：Supervised learning）之外，还有一个非常重要的分支 —— 非监督学习（英语：Unsupervised learning），文章简单介绍了什么是无监督学习并推荐了3个无监督学习教程，希望对象学习无监督学习的小伙伴有所帮助~

什么是非监督学习？

什么是非监督学习？笼统来讲，它和监督学习是一个相对的概念。在监督学习的过程中，我们需要对训练数据打上标签，这是必不可少的一步。而非监督学习中，就不再不需要提前对数据进行人工标记。

举个例子，比如我们现在有一堆动物的照片。在监督学习中，我们需要提前对每张照片代表的动物进行标记。这一张是狗，那一张是猫，然后再进行训练。最后，模型对于新输入的照片，就能分清楚动物的类别。

当进行非监督学习时，就不需要提前对照片进行标记了。我们只需要将所有的训练样本照片「喂」给算法即可。注意，这个时候和监督学习有一些不同，非监督学习只能识别出训练样本里包含了几种类别的动物，而并不能直接告诉你这只是猫，那一只是狗。但是，这里的类别数量一般都不会太大，你可以手动对类别进行标记，再将数据用于其他用途。

无监督学习里典型例子是聚类。聚类的目的在于把相似的东西聚在一起，而我们并不关心这一类是什么。因此，一个聚类算法通常只需要知道如何计算相似度就可以开始工作了。

如果你想要学习无监督学习，这里介绍3个相关教程，可以带你入门无监督学习，同时学会在实际开发中应用；

无监督学习相关教程

【scikit-learn 实战之非监督学习】

该项目带你学会使用 scikit-learn 解决非监督学习问题。

实验列表：

image.png

【神经网络实现人脸识别任务】

该项目利用基于无监督学习的自编码器对人脸数据进行特征提取，进行图片降维，利用降维后的结果作为有监督学习分类器的输入，最终利用一个三层神经网络实现人脸识别的任务。

【基于无监督学习的自编码器实现】

该项目介绍一种基于无监督学习神经网络数据降维的一种应用——自联想存储器。

最后：

• 如果你想要学习更多机器学习相关教程，点击这里即可查看~
• 你也可以点击【机器学习工程师】学习路径系统学习机器学习~