无监督学习的核心是发现隐藏结构。

“数据和特征决定上限，模型只是逼近上限。”

工作流程：

标准流程七步走：

智Neng体Zuo出决策的主体，如 AlphaGo、机器人 环境交互场景，如 围棋棋盘、迷宫 行动执行的动作，如 落子、移动 奖励环境反馈，如 + 分 或 - 分案例小孩学走路、训练小狗、本质上dou是通过奖励反馈调整行为。

定义：输入数据没有标签。机器只拿到一堆数据，不知道它们代表什么需要自己去发现数据内部的结构和规律。

机器学习算法有hen多,有分类回归、聚类、推荐、图像识别领域等等,具体算法比如线性回归、逻辑回归、朴素贝叶斯、随机森林、支持向量机、神经网络等等.目前机器学习Yi经广泛应用于数据挖掘、计算机视觉、自然语言处理语音和手写识别、生物特征识别、医学诊断、检测信用卡欺诈、证券市场分析、搜索引擎、DNA序列测序、无人驾驶、机器人等领域。

特征工程是利用专业知识对数据进行加工处理，将原始数据转换为geng有表达力的特征。

2.2机器学习算法分类.4.2 获取数据集返回的数据类型.

在进行机器学习项目时不应仅依赖于单一算法，而应尝试不同的模型并进行比较，以选择Zui适合特定数据集的算法。 。章节中展示了如何使用OneVsRestClassifier和OneVsOneClassifier两种算法对具有多个类别的数据进行分类。1024:通过本章的学习和实验，我们得出结论，OneVsRest和OneVsOne算法在处理具有多个类别的数据时表现geng为优越。

hen多时候模型效果不好，不是算法不够复杂，而是 特征不够好。

聚类根据样本间的相似性，将样本划分为不同组。常见应用包括 客户细分、异常检测。