Uczenie nienadzorowane

Uczenie nienadzorowane to klasa uczenia maszynowego, która znajduje strukturę w nieoznakowanych danych — skupienia, wzorce lub wartości odstające — bez wskazywania poprawnych odpowiedzi. Jest szeroko stosowane w przemyśle do wykrywania anomalii, gdzie oznakowane dane o awariach są rzadkie.

Ponieważ oznakowane przykłady każdej usterki rzadko są dostępne w warunkach przemysłowych, metody nienadzorowane są cenne: uczą się normalnego wzorca działania na podstawie danych historycznych i sygnalizują odchylenia od niego. Techniki obejmują grupowanie, redukcję wymiarowości oraz autoenkodery. Kompromis polega na tym, że bez etykiet model rozpoznaje, że coś jest nietypowe, lecz niekoniecznie co to oznacza, więc jego wyniki często wymagają interpretacji inżynierskiej.

Powiązane terminy

Supervised Learning · Anomaly Detection · Machine Learning (Industrial)