В моей последней статье мы обсуждали контролируемое обучение, тип машинного обучения, в котором используются предварительно размеченные данные (входные переменные), чтобы научить машины делать прогнозы будущих неразмеченных данных (выходные переменные). В этой статье мы углубимся в неконтролируемое обучение, которое отличается тем, что использует немаркированные данные для поиска шаблонов, которые могут помочь с классификацией и предсказаниями. В некоторых проектах используется как контролируемое, так и неконтролируемое обучение, а некоторые задачи переходят от одной к другой, не существует единственного «правильного способа решения каждой задачи».