unsupervised learning algorithm
En type maskinlæringsalgoritme, der finder mønstre i data uden at bruge foruddefinerede etiketter.
Kort fortalt
En algoritme, der selv opdager strukturer i data, f.eks. grupper eller sammenhænge, uden at få at vide, hvad den skal lede efter.
- Kategori
- teknik
- Niveau
- øvet
Betydninger
1- 1
En maskinlæringsalgoritme, der udelukkende anvender inputdata uden tilhørende outputetiketter for at lære en repræsentation, struktur eller fordeling af data.
- K-means er en populær unsupervised learning-algoritme til clustering af datapunkter.
- Principal Component Analysis (PCA) er en unsupervised learning-algoritme til dimensionalitetsreduktion.
Hvornår bruges det
Unsupervised learning-algoritmer bruges til clustering, dimensionalitetsreduktion og anomalidetektion. De er nyttige, når man har store mængder umærkede data, og man ønsker at finde skjulte mønstre eller reducere kompleksiteten.
Kodeeksempel
from sklearn.cluster import KMeans
import numpy as np
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
kmeans.labels_Eksempel på brug af K-means clustering i scikit-learn, en unsupervised learning-algoritme.
Oprindelse
'Unsupervised' (eng. 'uvarslet') + 'learning' (læring) + 'algorithm' (algoritme). Udtrykket stammer fra maskinlæringslitteraturen og beskriver træning uden overvågning.
Afledte ord
2Kilder
2- Machine Learning, Tom Mitchell, 1997
- Pattern Recognition and Machine Learning, Christopher Bishop, 2006