Definicja
Uczenie nienadzorowane
Uczenie nienadzorowane znajduje wzorce, grupy lub strukturę w danych bez gotowych etykiet i poprawnych odpowiedzi.
Krótka definicja
Uczenie nienadzorowane to podejście, w którym model otrzymuje dane bez gotowych etykiet. Próbuje sam odkryć strukturę, podobieństwa, grupy lub nietypowe przypadki.
Jak to działa
Model może grupować podobne rekordy, zmniejszać liczbę wymiarów danych albo wykrywać punkty odstające. W przeciwieństwie do uczenia nadzorowanego nie ma jednej poprawnej odpowiedzi dla każdego przykładu.
Przykład
Sklep internetowy może pogrupować klientów według zachowań zakupowych i przeglądania. Takie segmenty pomagają zrozumieć odbiorców, nawet jeśli nikt wcześniej ich ręcznie nie opisał.
Dlaczego to ważne
Uczenie nienadzorowane jest przydatne, gdy etykiety są drogie lub niedostępne. Sprawdza się w eksploracji danych, segmentacji, anomaliach i embeddingach, ale wyniki wymagają interpretacji człowieka.