Apprendimento non supervisionato

L'apprendimento non supervisionato è una classe di machine learning che individua una struttura in dati non etichettati — cluster, schemi o valori anomali — senza che gli vengano fornite le risposte corrette. È ampiamente utilizzato in ambito industriale per il rilevamento delle anomalie, dove i dati etichettati sui guasti sono scarsi.

Poiché in ambito industriale raramente sono disponibili esempi etichettati di ogni tipo di guasto, i metodi non supervisionati sono preziosi: apprendono lo schema normale di funzionamento dai dati storici e segnalano gli scostamenti da esso. Le tecniche includono il clustering, la riduzione della dimensionalità e gli autoencoder. Il compromesso è che, senza etichette, il modello rileva che qualcosa è insolito ma non necessariamente cosa significhi, perciò i suoi output richiedono spesso un'interpretazione ingegneristica.

Termini correlati

Supervised Learning · Anomaly Detection · Machine Learning (Industrial)