教師なし学習
モデルを機械自体がつくる機械学習
データの特徴を捉えるために用いることが多い
教師なし学習の種類
クラスタリング：元となるデータを、いくつかのクラスタ（＝特徴の近いデータを集めたもの）に分けていく手法
主成分分析：無限にある要素から比較的目的の指標に対してある程度寄与されているものからいくつか抽出して使用する方法
自己組織化マップ（SOM）：ニューラルネットワークの一種で、大脳皮質の視覚野をモデル化したもので、さまざまな入力を与え続けていると、だんだん似たような入力に集まっていく状態を得ることができる。入力ｎに対する出力ｍがあり、それぞれの入出力に重みを付けたベクトルが存在する。ある入力があるとすると、その入力に一番近い出力のベクトルが勝者となり、その近傍のベクトルへの重みが更新される。大量のデータを効率よく圧縮できるので汎用性が高い。 量子化（＝標本化したアナログ信号の各サンプルを、最も近い離散値のデジタル符号に置き換えること）を応用して、複数のデータをベクトルとして扱いまとめて符号化を行うという手法
参考
教師なし学習 | AI研究所