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
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
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%已验证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%部分验证Machine learning is typically divided into three major paradigms: supervised learning, unsupervised learning, and reinforcement learning.
65%待验证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
50%待验证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%待验证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%待验证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%