无监督学习

1. 统计学习

Clustering

Centroid models: k-means clustering
Connectivity models: Hierarchical clustering
Density models: DBSCAN

Gaussian Mixture Models

EM是解KMS算法的方法，EM还可以解其他问题例如GMM

Latent semantic analysis

Hidden Markov Models (HMMs)

Markov processes
Transition probability and emission probability
Viterbi algorithm

Dimension reduction techniques

Principal Component Analysis (PCA)
Independent Component Analysis (ICA)
T-SNE

2. 深度学习自监督

contrastive learning 对比学习

相似的实例在投影空间中比较接近，不相似的实例在投影空间中距离比较远

3. 半监督

4. 应用场景

实际应用中，无监督往往更注重强特征提取

见异常检测专题

reference

clustering