Učení bez učitele

Učení bez učitele je třída strojového učení, která nachází strukturu v neoznačených datech — shluky, vzorce nebo odlehlé hodnoty — aniž by jí byly sděleny správné odpovědi. Je široce používáno v průmyslu pro detekci anomálií tam, kde jsou označená data o poruchách vzácná.

Protože označené příklady každé poruchy jsou v průmyslovém prostředí zřídka k dispozici, metody bez učitele jsou cenné: učí se normální vzorec provozu z historických dat a signalizují odchylky od něj. Mezi techniky patří shlukování, redukce dimenzionality a autoenkodéry. Kompromisem je, že bez označení model identifikuje, že je něco neobvyklé, ale ne nutně, co to znamená, takže jeho výstupy často potřebují inženýrskou interpretaci.

Související pojmy

Supervised Learning · Anomaly Detection · Machine Learning (Industrial)