Unüberwachtes Lernen

Unüberwachtes Lernen ist eine Klasse des maschinellen Lernens, die Struktur in unbeschrifteten Daten findet — Cluster, Muster oder Ausreißer —, ohne die richtigen Antworten vorgegeben zu bekommen. Es wird in der Industrie verbreitet zur Anomalieerkennung eingesetzt, wo beschriftete Ausfalldaten knapp sind.

Da beschriftete Beispiele für jede Störung im industriellen Umfeld selten verfügbar sind, sind unüberwachte Verfahren wertvoll: Sie lernen das normale Betriebsmuster aus historischen Daten und zeigen Abweichungen davon an. Zu den Techniken zählen Clustering, Dimensionsreduktion und Autoencoder. Der Kompromiss ist, dass das Modell ohne Beschriftungen erkennt, dass etwas ungewöhnlich ist, aber nicht zwangsläufig, was es bedeutet, sodass seine Ausgaben oft eine ingenieurmäßige Interpretation benötigen.

Verwandte Begriffe

Supervised Learning · Anomaly Detection · Machine Learning (Industrial)