În învățarea nesupravegheată, un model primește date fără răspunsuri corecte predefinite și caută singur structuri. Metodele tipice sunt clusteringul, care grupează înregistrări similare, și reducerea dimensionalității, care condensează multe caracteristici în câteva esențiale. Organizațiile o folosesc pentru a descoperi segmente de clienți sau pentru a depista tranzacții neobișnuite; grupurile găsite trebuie apoi interpretate de experți în domeniu.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulÎn învățarea supravegheată, un model învață din exemple pentru care răspunsul corect este deja cunoscut, precum e-mailurile etichetate „spam” sau „nu este spam”. Din ele deduce reguli pentru a clasifica cazuri noi, nevăzute, sau pentru a prezice valori. Sarcinile tipice sunt clasificarea și regresia; cea mai mare parte a efortului constă în crearea unor date etichetate corect.
Clusteringul este o metodă de învățare nesupervizată care împarte punctele de date în grupuri pe baza similarității lor, fără categorii predefinite. Acesta scoate la iveală tipare pe care nimeni nu le-a denumit înainte – de exemplu segmente de clienți cu un comportament de cumpărare similar. În cazul textelor, clusteringul ajută la sortarea a sute de solicitări ale clienților pe subiecte precum livrarea, facturarea sau reclamațiile și arată unde se află accentul.
K-means este o metodă de învățare nesupervizată care împarte punctele de date într-un număr k de grupuri stabilit în prealabil. Atribuie fiecare punct celui mai apropiat centru de grup și tot mută aceste centre până când atribuirile aproape că nu se mai schimbă. Metoda este rapidă și ușor de înțeles, dar necesită o alegere rezonabilă a lui k și caracteristici pe scări comparabile. Exemplu: gruparea clienților după frecvența achizițiilor și valoarea coșului.
Reducerea dimensionalității scade numărul de caracteristici dintr-un set de date fără a pierde informațiile esențiale. Metodele cunoscute includ analiza componentelor principale (PCA), precum și t-SNE și UMAP, utilizate adesea pentru vizualizare. Accelerează calculele, reduce riscul de supraînvățare și face datele mai ușor de înțeles – de exemplu atunci când sute de atribute ale clienților sunt proiectate pe un grafic bidimensional în care clienții similari se află aproape unii de alții.
