Обучение без учителя

Unsupervised learning: обучение на неразмеченных данных (только X, нет y), цель — найти структуру/паттерны в данных. Задачи: кластеризация (группировка похожих объектов: K-means делит на k кластеров минимизируя WCSS, DBSCAN детектирует кластеры произвольной формы по плотности, иерархическая agglomerative/divisive), снижение размерности (PCA — Principal Component Analysis проецирует на главные компоненты, t-SNE для визуализации), поиск ассоциаций (Apriori/FP-growth для market basket analysis: {молоко, хлеб} → {масло}). Применение: segmentation клиентов, anomaly detection, сжатие данных