问选择哪种机器学习算法？

EN

如果您想使用一种无监督的方法，即如果您的数据没有被类标记，那么像K-均值聚类这样的东西可能是在数据中查找模式的最佳选择。

或者，如果您想要进行异常检测，则有两个可能的选项：

1. 假设您的数据是正态分布的，您可以对数据进行高斯型拟合，并计算概率密度函数(PDF)。一旦您有了PDF，就可以设置阈值概率，低于此阈值的数据点可以被归类为异常。
2. 如果你有足够的数据，使用变分自动编码器神经网络。粗略地说，你对所有你认为是“正常”的数据进行训练(神经网络学习如何在输出中重建输入数据)，然后当异常情况被传递到网络时，它无法重建它。如果网络不能准确地重建它，那么数据就是一个异常。

由于您没有任何可用的标记数据，执行监督学习算法或至少半监督学习算法是不容易的。如果您可以使用一个小的标记数据集，后者可能非常有用。

一种解决方案是首先执行一种聚类算法，将目标特征排除在外，例如k-均值为k=2，然后考虑到聚类伪标签来训练模型。但是，您仍然无法识别这两个集群中的哪个是类"1“，或者哪个是类"2”。

您可以有一个合理的解决方案，只包含几个标记的数据，否则您可以只执行一些聚类分析。