天文学中无监督学习综述

本综述总结了流行的无监督学习方法，并概述了它们在天文学中的过去、现在和未来的应用。无监督学习旨在以一种能够从中提取知识的方式来组织数据集的信息内容。传统上，这通过降维技术来实现，这些技术有助于对数据集进行排序，例如通过主成分分析或使用自编码器，或通过自组织地图等更简单的高维空间可视化。无监督学习的其他有益特性包括识别簇簇，即相似对象的组，这传统上是通过k-means算法实现的，更近期的是通过基于密度的聚类方法如HDBSCAN。更近期，出现了复杂的框架，将降维方法和聚类方法串联起来。然而，没有任何数据集是完全未知的。因此，现在许多研究都转向自监督和半监督方法，这些方法既可以从监督学习中获益，也可以从无监督学习中获益。