监督学习中，我们有输入（自变量），有输出（因变量），对于输出我们都可以根据预期计算输出的误差是多少。
然而，有的时候我们得不到因变量，只知道输入是什么，或者数据的特征是什么，我们需要对数据进行类别的划分，这个时候就涉及到无监督学习。
无监督学习最为主要的算法为两类：
聚类算法 ： 对数据行（一条记录）进行分组的方法
主成分分析法 ： 对数据列（一个字段）进行分组的方法
对于一个给定的用户，我们可以对其进行划分组别，因为一个用户代表数据集的一行。
PCA主要用于降低数据的维度或者减少变量的个数（数据列）。
构建模型的一般步骤
1. 从哪里获取数据？
一般来说，数据来源于数据库，csv，或者text文档。
2. 哪些数据应该被获取？
输入是什么很大程度决定了输出。我们需要知道影响输出的因素有哪些。最懂的人是一线人员，他们了解那个领域的深度知识。
3. 预处理数据
a 不存在的数据，缺失数据。（用当前列的值的均值替换缺失值，或者使用KNN算法确定缺失值）
b. 异常值。异常值往往很大程度地影响回归的效果。（往往使用确定的百分比截断）
c 变量的采样。在梯度下降算法中，通过抽样样本可以优化下降速度。使用Log或者平方运算进行变换。
4. 特征交互
不同的特征之间进行组合，比如回归问题上不会关注在泰坦尼克问题上，年龄小的男孩存活率更高的问题。而决策树就会考虑，这是产生新的特征的基础。
5. 特征的产生
一些特征也许并没有直接在数据集中给定，但是考虑领域因素的话，外在的间接的特征也许起到很重要的作用。
6. 创建模型
7. 生产化使用