A aplicação de uma empresa deve agrupar automaticamente clientes e produtos semelhantes com base em atributos, sem resultados rotulados. Qual abordagem de machine learning a empresa deve usar?

A aprendizagem não supervisionada é a abordagem correta porque o objetivo é agrupar clientes e produtos semelhantes (clustering) sem ter dados rotulados previamente. Algoritmos não supervisionados, como K-Means ou Hierarchical Clustering, identificam padrões e estruturas intrínsecas nos dados por conta própria. A aprendizagem supervisionada é inadequada porque requer dados rotulados (pares entrada-saída) para treinar um modelo, o que não é o caso aqui. A aprendizagem por reforço é usada para treinar agentes a tomar decisões em um ambiente dinâmico, maximizando uma recompensa, o que não se aplica a este cenário de agrupamento. A aprendizagem semi-supervisionada utiliza uma pequena quantidade de dados rotulados e uma grande quantidade de dados não rotulados, mas o problema aqui especifica "sem resultados rotulados", indicando que a não supervisionada é a mais apropriada.