我正在训练一个无监督机器学习模型，并希望确保我的功能尽可能有用！
特色无监督机器学习模型是否需要独立？例如，我有一个特征（subscriptionId），它是一个租户内不同云帐户的订阅 Id。我还有一个功能，即订阅中资源的 resourceId。
但是，这个resourceId 包含subscriptionId。最好的做法是组合这些特征或删除一个特征（例如subscriptionId）以避免数据集特征之间的依赖和重复？
【问题讨论】：
标签： machine-learning unsupervised-learning supervised-learning
无监督学习本质上比监督学习更难，因为它没有相应的输出。 无监督学习算法的结果可能不太准确，因为输入数据未被标记，并且算法事先不知道确切的输出。
【讨论】：
对于常用于聚类、关联或降维的无监督学习，特征不需要完全独立，但如果您有许多独特的值，您的模型很可能可以学习区分这些高熵值，而不是学习有趣的或您可能希望的重要事情。
如果你正在从事生成的无监督模型，对于客户，我无法表达这可能会产生多少风险，用于安全和秘密泄露，适用于 Oracle 云基础设施 (OCI) 客户。生成模型的前提是反刍他们的输入，并且已经写了数千篇关于从训练模型中获取私人信息的论文。
不清楚是什么问题你正在研究这个问题，这个问题似乎很早就出现了。
我建议您花时间研究统计和数据科学的局限性，它们是现代流行机器学习方法的基础。
一旦您知道 ML 可以很好地回答哪些问题，哪些不能，那么您可能会考虑像 fastAI 的课程。
https://www.nature.com/articles/nmeth.4642
同样，根据输出的使用方式或谁可以查看或（甚至间接地）查询模型，训练私有值似乎是不明智的，尤其是如果您想生成输出。 ML 方法只有在您可以访问大量数据时才有用，如果您可以访问许多用户的数据，那么您需要成为 Oracle 云客户数据的好管家。
【讨论】：