Học không giám sát: phân cụm K-means, DBSCAN và giảm chiều PCA, t-SNE

Gán nhãn tốn tiền và thời gian. Trong khi đó, phần lớn dữ liệu của một công ty — lịch sử mua hàng, log truy cập, kho ảnh — không có nhãn. Học không giám sát tìm cấu trúc ẩn trong dữ liệu đó: nhóm khách hàng giống nhau, hướng biến thiên chính, điểm bất thường.

Bài này có hai phần: phân cụm (K-means, DBSCAN) và giảm chiều (PCA, t-SNE/UMAP). Cả hai còn là công cụ hằng ngày khi làm Deep Learning: phân cụm embedding, nhìn không gian đặc trưng mà mạng học được.