Vid oövervakad inlärning får en modell data utan fördefinierade rätta svar och söker själv efter strukturer. Typiska metoder är klustring, som grupperar liknande poster, och dimensionsreduktion, som sammanfattar många särdrag till några få väsentliga. Organisationer använder det för att upptäcka kundsegment eller se ovanliga transaktioner; de grupper som hittas måste sedan tolkas av ämnesexperter.
Vid övervakad inlärning lär sig en modell av exempel där det rätta svaret redan är känt, som e-postmeddelanden märkta ”spam” eller ”inte spam”. Utifrån dem härleder den regler för att klassificera nya, osedda fall eller förutsäga värden. Typiska uppgifter är klassificering och regression; det mesta av arbetet går åt till att skapa rent märkta data.
Klustring är en metod för oövervakad inlärning som delar in datapunkter i grupper utifrån deras likhet, utan fördefinierade kategorier. Den avslöjar mönster som ingen har namngett tidigare – till exempel kundsegment med liknande köpbeteende. För texter hjälper klustring till att sortera hundratals kundförfrågningar i ämnen som leverans, fakturering eller klagomål och visar var tyngdpunkten ligger.
K-means är en metod för oövervakad inlärning som delar in datapunkter i ett förutbestämt antal k grupper. Den tilldelar varje punkt närmaste gruppcentrum och flyttar sedan centrumen tills tilldelningarna knappt förändras. Metoden är snabb och lätt att förstå, men kräver ett förnuftigt val av k och variabler i jämförbara skalor. Exempel: gruppera kunder efter köpfrekvens och varukorgsvärde.
Dimensionsreduktion minskar antalet variabler i en datamängd utan att den väsentliga informationen går förlorad. Välkända metoder är principalkomponentanalys (PCA) samt t-SNE och UMAP, som ofta används för visualisering. Den snabbar upp beräkningarna, minskar risken för överanpassning och gör data lättare att förstå – till exempel när hundratals kundattribut avbildas på ett tvådimensionellt diagram där liknande kunder hamnar nära varandra.
