无监督学习
机器学习的主要范式之一，使用无标签数据，目标是发现数据内在的结构和模式，主要包括聚类、降维和密度估计等任务
Core Facts
Timeline (last 90 days)
AI欺诈检测依赖监督学习（对新申请进行欺诈概率评分）和无监督学习（聚类分析和异常检测）两大技术路径
聚类属于无监督学习，典型算法包括K-Means和DBSCAN，其中DBSCAN是基于密度的算法，能发现任意形状的簇且对噪声数据更鲁棒
无监督学习模块耗时较长（10天），因为其概念抽象、评估方式不如监督学习直观
Machine learning is typically divided into three major paradigms: supervised learning, unsupervised learning, and reinforcement learning.
监督学习与无监督学习的根本区别在于训练数据中是否存在标签
无监督学习从无标签数据中自动发现结构，例如聚类算法
All Facts (7)
无监督学习从无标签数据中自动发现结构，例如聚类算法
65%Verified机器学习分为监督学习、非监督学习和半监督学习三大类
65%Partially VerifiedMachine learning is typically divided into three major paradigms: supervised learning, unsupervised learning, and reinforcement learning.
65%UnverifiedAI欺诈检测依赖监督学习（对新申请进行欺诈概率评分）和无监督学习（聚类分析和异常检测）两大技术路径
50%Unverified聚类属于无监督学习，典型算法包括K-Means和DBSCAN，其中DBSCAN是基于密度的算法，能发现任意形状的簇且对噪声数据更鲁棒
50%Unverified无监督学习模块耗时较长（10天），因为其概念抽象、评估方式不如监督学习直观
50%Unverified监督学习与无监督学习的根本区别在于训练数据中是否存在标签
50%