在无监督学习中，机器利用未标记的数据自主学习，不需要任何监督。机器试图从未标记的数据中发现模式，并做出相应的反应。
如下图，我们以之前的例子为基础，这次不会预先告知机器是勺子还是刀子。机器将通过识别给定的数据，并根据模式、相似性等特征对它们进行分组。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
无监督学习的类型
1、聚类
聚类是将对象划分为在它们之间相似但与属于另一个类对象不同的方法。
举个例子，一家电信公司通过提供个性化的通话和数据计划来降低客户流失率。他们通过研究客户行为，使用模型将相似特征的客户进行细分。然后，他们采用多种策略，例如适当的促销和活动，以最小化客户流失率并最大化利润。这样做可以更好地满足客户需求，提高客户满意度，从而增加客户忠诚度和留存率。通过个性化方案，电信公司能够有效地留住现有客户，并吸引新客户加入，从而达到长期经营的目标。
2、关联
关联是一种基于规则的机器学习，用于发现集合中项目同时出现的概率。
举个例子，假设顾客A去超市购买面包、牛奶、水果和小麦。另一位顾客B来买面包、牛奶、大米和黄油。现在，当顾客C来的时候，如果他买了面包，很有可能也会需要牛奶。因此，基于顾客行为的购买模式，我们可以建立关系并向顾客C推荐购买牛奶。这样可以提高销售额并满足顾客需求。
无监督学习的实际应用
1、商品分析
它是一种基于算法的机器学习模型，即如果您购买某组商品，您购买另一组商品的可能性会降低或增加。
2、语义聚类
语义相似的词共享相似的上下文。人们以自己的方式在网站上发布查询。语义聚类将所有这些具有相同含义的响应分组到一个集群中，以确保客户快速轻松地找到他们想要的信息。它在信息检索、良好的浏览体验和理解方面起着重要作用。
3、供求优化
机器学习模型用于预测需求并跟上供应。它们还用于在需求较高的地方开设商店，并根据过去的数据和行为优化根源以实现更有效的交付。
4、识别事故多发区域
无监督机器学习模型可用于识别事故多发区域并根据这些事故的强度引入安全措施。
