Definíció
A felügyelet nélküli tanulás (unsupervised learning) olyan módszereket jelent, ahol a modell címkézetlen adatok struktúráját keresi. Nincs előre definiált célérték; a rendszer mintázatokat, csoportokat vagy eloszlásokat azonosít.
Fő technikák
Gyakori technikák:
- Klaszterezés (K-means, DBSCAN)
- Dimenziócsökkentés (PCA, t-SNE)
- Asszociációs szabályok
- Anomáliaészlelés
Klaszterezés
A klaszterezés hasonló adatpontokat csoportosít. A K-means algoritmus például a középértékek iteratív frissítésével minimalizálja a klaszteren belüli távolságokat. A klaszterszám kiválasztása gyakran szilhouette index vagy domain ismeret alapján történik.
Dimenziócsökkentés
A dimenziócsökkentés csökkenti a bemeneti térben a változók számát, miközben a lehető legtöbb információt megőrzi. A PCA ortogonális transzformációt alkalmaz a maximális variancia irányaira.
Elemzési megjegyzések
Felügyelet nélküli eredmények interpretációja szubjektív lehet. A klaszterek értelmezése domain szakértő bevonásával és több metrika összevetésével ajánlott.
