Uitleg
Bij unsupervised learning heb je geen gelabelde antwoorden. Het model moet zelf patronen vinden in de data. Het is als iemand een berg willekeurige voorwerpen geven en hem vragen om ze in groepen in te delen zonder hem te vertellen hoe.
De twee meest voorkomende unsupervised learning-taken zijn clustering (groepen vergelijkbare voorbeelden samen) en dimensiereductie (zoek de meest belangrijke kenmerken).
Unsupervised learning is nuttig omdat ongelabelde data overvloedig is. Echter, zonder correcte antwoorden is het moeilijker om te beoordelen of het model goed werkt.
⚡ Voorbeelden
- •Clustering klanten op basis van aankoopgedrag zonder vooraf te weten welke groepen bestaan
- •Dimensiereductie van hoge-dimensionale genedata om onderliggende patronen te vinden
- •Ontdekking van nauwe vriendgroepen in social media netwerken zonder voorgegeven labels
Trefwoorden
ongelabeldpatronenontdekkingclusteringzelf-organisatie