非監督式學習

無監督學習（英語：unsupervised learning），又稱非監督式學習，是機器學習的一種方法，沒有給定事先標記過的訓練範例，自動對輸入的資料進行分類或分群。無監督學習的主要運用包含：聚类分析（cluster analysis）、關聯規則（association rule）、維度縮減（dimensionality reduce）。它是監督式學習和強化學習等策略之外的一種選擇。 一個常見的無監督學習是数据聚类。在人工神經網路中，生成對抗網絡（GAN）、自組織映射（SOM）和（ART）則是最常用的非監督式學習。 ART模型允許叢集的個數可隨著問題的大小而變動，並讓使用者控制成員和同一個叢集之間的相似度分數，其方式為透過一個由使用者自定而被稱為的常數。ART也用於模式識別，如和數位信號處理。第一個版本為"ART1"，是由卡本特和葛羅斯柏格所發展的。