Aprendizaje no supervisado

El aprendizaje no supervisado es una clase de aprendizaje automático que encuentra estructura en datos sin etiquetar — agrupaciones, patrones o valores atípicos — sin que se le indiquen las respuestas correctas. Se utiliza ampliamente en la industria para la detección de anomalías cuando escasean los datos de fallos etiquetados.

Como rara vez se dispone de ejemplos etiquetados de cada fallo en entornos industriales, los métodos no supervisados son valiosos: aprenden el patrón normal de operación a partir de los datos históricos y señalan las desviaciones respecto a él. Las técnicas incluyen el agrupamiento, la reducción de dimensionalidad y los autocodificadores. La contrapartida es que, sin etiquetas, el modelo identifica que algo es inusual pero no necesariamente qué significa, por lo que sus salidas suelen requerir una interpretación de ingeniería.

Términos relacionados

Supervised Learning · Anomaly Detection · Machine Learning (Industrial)