Ohjaamaton oppiminen

Ohjaamaton oppiminen on koneoppimisen luokka, joka löytää rakennetta merkitsemättömästä datasta — klustereita, kuvioita tai poikkeamia — ilman, että sille kerrotaan oikeita vastauksia. Sitä käytetään laajalti teollisuudessa poikkeamien havaitsemiseen, kun merkittyä vikadataa on niukasti.

Koska merkittyjä esimerkkejä jokaisesta viasta on harvoin saatavilla teollisissa ympäristöissä, ohjaamattomat menetelmät ovat arvokkaita: ne oppivat normaalin toimintakuvion historiallisesta datasta ja merkitsevät poikkeamat siitä. Tekniikoita ovat klusterointi, dimensioiden vähentäminen ja autoenkooderit. Kompromissi on, että ilman merkintöjä malli tunnistaa, että jokin on epätavallista, mutta ei välttämättä mitä se tarkoittaa, joten sen tuotokset vaativat usein insinöörin tulkintaa.

Aiheeseen liittyvät termit

Supervised Learning · Anomaly Detection · Machine Learning (Industrial)