Unsupervised learning
En maskinlæringstype, hvor modellen lærer mønstre udelukkende fra ustrukturerede data uden foruddefinerede etiketter eller målvariable.
Kort fortalt
Unsupervised learning er en metode, hvor en computer selv finder strukturer i data uden at få at vide, hvad den skal lede efter – som at opdage grupperinger eller mønstre i et sæt billeder uden at kende deres indhold.
- Kategori
- begreb
- Niveau
- øvet
Betydninger
1- 1
En maskinlæringsparadigme, hvor modellen trænes på data uden outputetiketter for at finde iboende mønstre, strukturer eller repræsentationer.
- Unsupervised learning bruges til at gruppere kunder i segmenter baseret på købsadfærd uden forudgående kategorier. — Praktisk maskinlæring
- Autoencodere er en form for unsupervised learning, der lærer en komprimeret repræsentation af inputdata. — Goodfellow et al., Deep Learning
Hvornår bruges det
Unsupervised learning anvendes til at udforske datastrukturer, reducere dimensionalitet, komprimere data og til klusteranalyse. Det er særligt nyttigt når mærknede data er knappe eller dyre at fremskaffe, fx i anbefalingssystemer, anomalidetektion eller bioinformatik.
Kodeeksempel
from sklearn.cluster import KMeans
import numpy as np
# Generate random data
X = np.random.rand(100, 2)
# Fit K-means clustering
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
y_pred = kmeans.predict(X)
print(y_pred)Et eksempel på unsupervised learning: K-means klustering af tilfældige punkter i 2D-rum.
Oprindelse
Sammensat af 'unsupervised' (uovervåget) og 'learning' (læring), lånt fra engelsk. Termen understreger fraværet af en supervisor eller lærer under træningen.
Afledte ord
2Kilder
2- Pattern Recognition and Machine Learning (Bishop, 2006)
- Deep Learning (Goodfellow, Bengio, Courville, 2016)