機器學習需要通過建立模型進行自我學習，那麼學習方法有哪些呢？本篇來給大家介紹一下機器學習中的無監督學習。如果還不了解什麼是機器學習的，先浏覽下這篇内容：
機器學習是什麼？詳解機器學習概念_程式媛珂珂的部落格-CSDN部落格
什麼是無監督學習？
無監督學習跟監督學習的差別就是選取的樣本資料無需有目标值，我們無需分析這些資料對某些結果的影響，隻是分析這些資料内在的規律。
無監督學習常用在聚類分析上面。比如客戶分群、因子降維等。比如RFM模型的使用，通過客戶的銷售行為(消費次數、最近消費時間、消費金額)名額，來對客戶資料進行聚類：
- 重要價值客戶：最近消費時間近、消費頻次和消費金額都很高;
- 重要保持客戶：最近消費時間較遠，但消費頻次和金額都很高，說明這是個一段時間沒來的忠誠客戶，我們需要主動和他保持聯系;
- 重要發展客戶：最近消費時間較近、消費金額高，但頻次不高，忠誠度不高，很有潛力的使用者，必須重點發展;
- 重要挽留客戶：最近消費時間較遠、消費頻次不高，但消費金額高的使用者，可能是将要流失或者已經要流失的使用者，應當基于挽留措施。
除此之外，無監督學習也适用于降維，無監督學習比監督學習好處是資料不需要人工打标記，資料擷取成本低。
免費分享一些我整理的人工智能學習資料給大家，整理了很久，非常全面。包括一些人工智能基礎入門視訊+AI常用架構實戰視訊、圖像識别、OpenCV、NLP、YOLO、機器學習、pytorch、計算機視覺、深度學習與神經網絡等視訊、課件源碼、國内外知名精華資源、AI熱門論文等。下面是部分截圖，文末附免費下載下傳方式。
目錄
一、人工智能免費視訊課程和項目
二、人工智能必讀書籍
三、人工智能論文合集
四、機器學習+計算機視覺基礎算法教程
五、深度學習機器學習速查表（共26張）
學好人工智能，要多看書，多動手，多實踐，要想提高自己的水準，一定要學會沉下心來慢慢的系統學習，最終才能有所收獲。