使用k均值聚类或关联规则进行无监督学习的应用

Question

我一直在研究无监督学习的一些应用，但是只在互联网上找到了一些假设的应用，例如，无监督学习可以用于欺诈检测。例如，对于有监督的学习，您有即时医生，这是在现实世界中实施的。然而，对于无监督学习，这些应用似乎是假设的，因此实际上正在实施或者它们只是假设？

Answer 1

无监督学习的应用很多，有各种各样的技术可以帮助我们实现这些应用。我将简要介绍其中的一些

1）图像分割-将图像划分为不同的区域，然后将它们聚类以使其客观化。

2）Netflix电影推荐系统，其中将用户观看的那些电影放入一个群集中。在这里，无监督学习在确定这些电影然后向该用户推荐其他类似/类似电影方面起着重要作用。

3）亚马逊购物，根据他们的购物历史，所支付的商品金额，访问特定类型的商品，将相似的用户全部集中在一起，这有助于这些巨头研究这些因素，然后仅向您推荐这些东西。

要实现这些目标和其他目标，需要无监督的基于学习的技术。 k均值，层次聚类，基于密度的聚类等技术已广泛用于现实应用中。

这些只是无监督学习的许多应用中的少数。

希望这个澄清。