引言 口无监督算法处理的是那些没有标记的数据： ·缺乏足够的先验知识，因此难以人工标注类别： ·进行人工类别标注的成本太高。 口希望计算机能代我们（部分）完成这些工作，或至少提供一些帮助。 常见的应用背景包括： ·从庞大的样本集合中选出一些具有代表性的加以标注用于分类器的训练： ·先将所有样本自动分为不同的类别，再由人类对这些类别进行标注； ·在无类别信息情况下，寻找好的特征。 口常用算法 ·主成分分析方法PCA等，等距映射方法、局部线性嵌入方法、拉普拉斯 特征映射方法、黑塞局部线性嵌入方法和局部切空间排列方法等引言 无监督算法处理的是那些没有标记的数据： • 缺乏足够的先验知识，因此难以人工标注类别; • 进行人工类别标注的成本太高。 希望计算机能代我们(部分)完成这些工作，或至少提供一些帮助。 常见的应用背景包括： • 从庞大的样本集合中选出一些具有代表性的加以标注用于分类器的训练； • 先将所有样本自动分为不同的类别，再由人类对这些类别进行标注； • 在无类别信息情况下，寻找好的特征。 常用算法 • 主成分分析方法PCA等，等距映射方法、局部线性嵌入方法、拉普拉斯 特征映射方法、黑塞局部线性嵌入方法和局部切空间排列方法等