定义及作用：
- 无监督学习是通过试图学习或提取数据背后的数据特征，或者从数据中抽取出重要的特征信息，常见的算法有类聚、降维、文本处理（特征抽取）等。
- 无监督学习一般是作为有监督学习的前期数据处理，功能是从原始数据中抽取必要的标签信息。
- 半监督学习（SSL）：利用少量标注样本和大量的未标注样本进行训练。
- 强化学习：通过激励学习
学习>机器学习、人工智能和深度学习的关系
学习>机器学习开发流程
- 数据收集
- 数据预处理
- 特征提取
- 模型构建
- 模型测试评估
- 投入使用（模型部署与整合）
- 迭代优化
注意数据的脱敏性
数据清洗和转换
- 对数据进行初步的预处理，转换为适合的格式，一般为：向量或者矩阵
-
常用的方法
- 将类别数据编码转变为对应的数值表示（一般使用1-of-k\哑编码方法（one-hot））
- 从文本数据中提取有用的数据（一般使用词袋法或者TF-IDF）
- 处理图像或者音频数据（傅里叶变换）
- 对特征数据进行正则化、标准化，以保证格式、单位一致
- 对数与指数之间的转换
- 将现有变量进行组合或转换以生成新的特征。
