Felügyelet nélküli tanulás
Gépi tanulási módszer, amelyben a modell előre megadott helyes válaszok nélkül keres szerkezeteket vagy csoportokat az adatokban.
Analógia
Mint amikor egy nagy irathalmazban címkék nélkül rendezed csoportokba az egymáshoz hasonló dokumentumokat.
Miért fontos?
Segíthet olyan mintázatok feltárásában, amelyekre a felhasználó előre nem tudott címkéket vagy kategóriákat készíteni.
Hogyan működik?
Felügyelet nélküli tanulásnál a modell nem kap minden példához előre megadott helyes választ vagy címkét. Ehelyett az adatok közötti hasonlóságokat, csoportokat vagy tömöríthető szerkezeteket keresi. Ez lehetővé teheti az adatok feltárását olyan helyzetekben, amikor a szervezet még nem tudja, milyen kategóriákat érdemes használni. Az eredmény a feladat és az adatok jellegétől függ, ezért az algoritmus által talált csoportok értelmezéséhez gyakran emberi szakértelem kell.
Például egy ügyféllista elemei összerendezhetők a vásárlási mintázatok vagy a szolgáltatáshasználat hasonlóságai szerint. Ez nem jelenti azt, hogy a modell megtalálta az egyetlen természetes vagy üzletileg helyes kategóriarendszert. Az eredmény függ az adatok kiválasztásától, az előfeldolgozástól és a hasonlóság mérésétől. A feltárt csoportokat ezért ellenőrizni kell, mielőtt döntések alapjává válnának. A csoportosítás így felfedező eszköz, nem automatikus döntés arról, hogyan kell az adatokat elnevezni vagy kezelni.
Példa
Egy könyvtár több ezer keresési lekérdezést tartalmaz; a modell hasonló megfogalmazású kéréseket csoportosít, a könyvtáros pedig nevet ad a csoportoknak.
Gyakori tévhit
A címkék hiánya nem jelenti azt, hogy az eredmény teljesen objektív vagy emberi értelmezés nélkül használható.