目录
一、无监督学习
2.1 聚类问题
2.2 数据降维
二、半监督学习
一、无监督学习
通俗地讲：非监督学习(unsupervised learning)指的是人们给机器一大堆没有分类标记的数据，让机器可以对数据分类、检测异常等。
2.1 聚类问题
聚类是一种探索性数据分析技术，在没有任何相关先验信息的情况下（相当于不清楚数据的信息），它可以帮助我们将数据划分为有意义的小的组别（也叫簇cluster）。其中每个簇内部成员之间有一定的相似度，簇之间有较大的不同。这也正是聚类作为无监督学习的原因。
下图中通过聚类方法根据数据的 两个特征值之间的相似性将无类标的数据划分到三个不同的组中，例如：
我们可以用下图表示西瓜的色泽和敲声两个特征我们可以将训练集中的西瓜分成若干组，每一组称为一个“簇”，这些自动形成的簇可能对应一些潜在的概念划分，如“浅色瓜”、“深色瓜”、“本地瓜”或“外地瓜”通过这样的学习我们可以了解到数据的内在规律，能为更深入地分析数据建立基础。
需要注意的是我们事先并不知道西瓜是本地瓜、浅色瓜，而且在学习过程中使用的训练样本通常不拥有标记（label）信息。
2.2 数据降维
数据降维（dimensionality reduction）是无监督学习的另一个子领域。通常，面对的数据都是高维的，这就对有限的数据存储空间以及机器学习算法性能提出了挑战。无监督降维是数据特征预处理时常用的技术，用于清除数据中的噪声，能够在最大程度保留相关信息的情况下将数据压缩到额维度较小的子空间，但是同时也可能会降低某些算法准确性方面的性能。
如下图一个三维空间的数据映射到二维空间的实例。
二、半监督学习
在现实生活中往往能容易地收集到大量未“标记”的样本，而获取有标记的样本却需要耗费人力、物力。例如：
在进行网页推荐时需要请用户标记出感兴趣的网页，但是很少的用户愿意花很多时间来提供标记有标记的网页样本少，但互联网上存在无数网页可作为未标记样本使用
半监督学习提供了一条利用“廉价”的未标记样本的途径。
在处理未标记的数据时，常常采用“主动学习”的方式，也就是：
首先利用已经标记的数据（也就是带有类标签）的数据训练出一个模型再利用该模型去套用未标记的数据通过询问领域专家分类结果与模型分类结果做对比，从而对模型做进一步改善和提高
这种方式可大幅降低标记成本，但是“主动学习”需要引入额外的专家知识，通过与外界的交互来将部分未标记样本转化有标记的样本。
如果不与专家进行互动，没有额外的信息，还能利用未标记的样本提高模型的泛化性能吗?答案是肯定的，因为：
未标记样本虽然未直接包含标记信息，但它们与有标记样本有一些共同点可以利用无监督学习的聚类方法将数据特征相似的聚在一个簇里面，从而给未标记的数据带上标记。这也是在半监督学习中常用的“聚类假设”，本质上就是“利用相似的样本拥有相似的输出”这个基本假设。
