개념
비지도학습은 정답 라벨 없이 데이터 자체의 구조를 찾는 학습 방법이다. 모델은 데이터가 어떻게 모여 있는지, 어떤 차원이 중요한지, 어떤 패턴이 숨어 있는지를 찾아낸다.
대표 작업
대표적인 작업은 군집화와 차원 축소이다. 군집화는 비슷한 데이터끼리 그룹을 만드는 것이고, 차원 축소는 많은 특징 벡터 성분을 더 적은 수의 특징으로 줄이는 과정이다.
예를 들어 K-means 군집화는 각 데이터와 소속 군집 중심 사이의 제곱거리를 최소화한다.
의미
비지도학습은 정답을 만들기 어려운 상황에서 유용하다. 또한 데이터 이해, 시각화, 전처리, 특징 선택 단계에서 중요한 역할을 한다.