Вопрос о том, при каком алгоритме обучения обучающее множество состоит только из входных векторов, связан с понятием обучения без учителя.

Обучение без учителя - это метод машинного обучения, при котором модель обучается на данных, не имея заранее определённых меток для каждого входного вектора. Это означает, что в обучающем множестве присутствуют только входные данные, без соответствующих выходных значений.

Вот основные аспекты, которые стоит учитывать:

• Типы задач: Обучение без учителя часто используется для задач кластеризации и снижения размерности. Например, алгоритмы, такие как K-средние или алгоритм главных компонент (PCA), работают именно с входными данными.
• Примеры алгоритмов:
  • K-средние (K-means)
  • Иерархическая кластеризация
  • Алгоритм главных компонент (PCA)
  • t-SNE (t-distributed Stochastic Neighbor Embedding)
• Применение: Обучение без учителя полезно, когда метки данных недоступны или их сложно получить. Это позволяет выявить скрытые структуры в данных.

Таким образом, алгоритмы обучения без учителя используют только входные векторы, что делает их подходящими для анализа данных без заранее известных ответов.