Oövervakad inlärning

Oövervakad inlärning är en klass maskininlärning som hittar struktur i omärkt data — kluster, mönster eller avvikare — utan att få veta de korrekta svaren. Den används brett i industrin för anomalidetektering där märkt feldata är knapp.

Eftersom märkta exempel på varje fel sällan finns tillgängliga i industriella miljöer är oövervakade metoder värdefulla: de lär sig det normala driftmönstret från historisk data och flaggar avvikelser från det. Tekniker omfattar klustring, dimensionsreduktion och autoenkodrar. Avvägningen är att utan etiketter identifierar modellen att något är ovanligt men inte nödvändigtvis vad det betyder, så dess utdata behöver ofta teknisk tolkning.

Relaterade termer

Supervised Learning · Anomaly Detection · Machine Learning (Industrial)