异常检测
非监督学习，对于已知样本集，提取其中小部分样本 特征与其他大部分样本相差很大的，与聚类类似，不过异常样本多数不能重特征数归为一个类
当样本特征分布近似拟合高斯分布时，其两边分布较少的样本即可视为异常样本
对于异常检测算法检查，可以借鉴监督学习的二分类问题，将异常值作为负类进行分类
推荐系统
基于内容的推荐系统，对内容进行特征提取（人为），基于不同商品的不同特征及用户喜欢程度，对不同的用户建立分类模型，可以得到用户的喜欢参数模型：根据已有内容特征，监督学习，提取用户特征。
基于用户的协调推荐算法，当商品内容及用户的特征数据都没有时（商品特征提取困难），首先对用户进行聚类，基于内容（不是内容特征）进行相似度聚类，得到不同用户群组，对不同用户群组进行标签标记（标签不唯一，不一定表示实际特征），在用户特征提取完毕后，再基于用户特征及用户对内容的喜爱程度对商品尽心特征其他：根据商品、用户关系，无监督学习，对用户聚类，提取用户特征；对已标记特征的用户，监督学习，提取内容特征。根据内容特征，修正用户特征，根据用户特征，修正内容特征，迭代优化。