8. 教師なし学習

教師なし学習は、正解ラベルがないデータ（特徴量のみ）から構造やパターンを見つけ出す手法です。

クラスタリングは、類似したデータ同士をグループに分ける教師なし学習の代表的な手法です。

k-means法は、指定した個数のクラスタにデータを分ける教師なし学習の手法です。

ウォード法は階層型クラスタリングの一種で、クラスタ内の分散が小さくなるよう統合します。

主成分分析（PCA）は、次元削減のためにデータの主な要素を抽出する手法です。

t-SNE・PCA・多次元尺度構成法はいずれも次元削減のために使われる代表的手法です。

潜在的ディリクレ配分法（LDA）は、文書からトピックを抽出するための教師なし学習手法です。

教師なし学習は、レコメンデーション分野でも使われ、協調・コンテンツベースなどの手法があります。

コールドスタート問題とは、新しいユーザーやアイテムに関するデータが不足して推薦が難しい問題です。

デンドログラムは、階層クラスタリングの結果をツリー状に視覚化した図です。