Unsupervised Learning

This article presents a review of traditional and current methodsofclassificationintheframeworkofunsupervised learning,inparticularclusteranalysisandself-organizing neural networks. Both are vector quantization methods aiming at minimizing the distance between an input vector and its representation. The learning is unsupervised as no predefined cluster structure of the input data is assumed.Thereviewofclusteranalysismethodscovershard clustering, hierarchical and nonhierarchical, whose aim is to assign exact (with membership degree equal to 1) units (objects) to clusters; fuzzy clustering, where the membership degree of a unit to a cluster is allowed to stay in the interval [0; 1]; mixture clustering, a model-based clustering consisting in fitting a mixture model to data and identifying each cluster with one of its components. All these methods are reviewed in all the variants related to the presence of complex or big data structures or to the presence of outliers.

Questo articolo presenta una rassegna dei metodi tradizionali e attuali della classificazione del telaio nell'ambito del lavoro di apprendimento supervisionato, dell'analisi in particolare dei dati e delle reti neurali organizzative. Entrambi sono metodi di quantizzazione vettoriale che mirano a minimizzare la distanza tra un vettore di input e la sua rappresentazione. L'apprendimento non è supervisionato in quanto non viene assunta alcuna struttura di cluster predeterminata dei dati di input. Esiste una visione di cluster analista e di cluster di cluster, gerarchica e non gerarchica, il cui scopo è assegnare unità (oggetti) esatte (con un grado di appartenenza pari a 1) ai cluster; clustering fuzzy, in cui il grado di appartenenza di un'unità a un cluster può rimanere nell'intervallo [0; 1]; clustering di miscele, un clustering basato su modello che consiste nell'inserire un modello di miscela sui dati e identificare ciascun cluster con uno dei suoi componenti. Tutti questi metodi sono rivisti in tutte le varianti relative alla presenza di strutture complesse o di big data o alla presenza di valori anomali.