这两个示例都是聚类示例。聚类是在没有给定数据时对相似数据集进行分组。

在基因问题上，

• 一种可能的设置是为您提供 DNA 微阵列数据。你的任务是了解那里有多少种人。这是一个无监督学习问题，我们没有得到标签。我们只是将具有相似基因类型的人分组在一起。

在鸡尾酒会问题中：

• 一个房间里有两个人，还有麦克风。我们只是记录音频并将其传递给算法并告诉算法，嘿，如果有的话，学习模式。每个人可能有自己的语音模式/语言/口音。算法自己捡起这样的模式，检测到房间里有两个人，他们可以区分两个人的讲话。

让我举一个非聚类示例的示例。

例如，一个感兴趣的问题是检测异常。例如，您得到的可能是机器的正常运行状态，比如它们的传感器读数。从这些读数中，您必须了解机器的正常情况，并且您必须弄清楚何时给您一个新数据点，如果它被认为是正常的。

实际上，鸡尾酒会算法是非聚类的。

“非聚类：“鸡尾酒会算法”，允许您在混乱的环境中找到结构。（即从鸡尾酒会的声音网格中识别单个声音和音乐）。

好的，所以关于鸡尾酒会问题算法是否存在争论↨是非聚类问题还是聚类问题，而我可能没有资格回答这样的问题，我尝试研究并询问专家，这就是我的发现。

聚类问题：算法不会转换或改变数据（就像在基因问题中基因本身不会被改变一样），它只是根据某些特征对它们进行分组（将基因问题分为不同种类或类型的基因） . 然而，在非聚类问题中，算法正在转换数据/输入并改变数据。相信 Andrew NG 教授的话（作为他所在领域的顶级讲师和教授），鸡尾酒会问题是一个非聚类问题，我们现在可以看到为什么，因为它改变了数据，在这种情况下是声音，因此它更听着很清楚，实际上它改变了两次以获得第一个声音，第二次获得第二个声音。