1. Fogalom magyarul: felügyelet nélküli tanulás

2. Fogalom angolul: unsupervised learning

3. Meghatározás:

A felügyelet nélküli gépi tanulás egy alapvető gépi tanulási paradigma, amely során a modell(ek) illesztése anélkül történik, hogy előre meghatározott címkékkel ellátott adatokat kapna. Ehelyett az algoritmusoknak maguknak kell felismerniük az adatok közötti mintákat és összefüggéseket. Ez a megközelítés különösen hasznos akkor, ha a rendelkezésre álló adatok nagy mennyiségűek, és nem praktikus vagy lehetetlen az összes adatot manuálisan címkézni. A felügyelet nélküli tanulás egyik legismertebb alkalmazási területe a klaszterezés, amely során az adatokat csoportokba rendezi az algoritmus, hasonlóságuk alapján. Például egy ügyfélcsoportokat azonosító marketing elemzés során a klaszterezés segíthet azonosítani a különböző ügyfél szegmenseket. Egy másik fontos alkalmazás a dimenziócsökkentés, amely a nagy adatbázisok kezelhetőségének javítására és a vizualizáció egyszerűsítésére szolgál. A legnépszerűbb felügyelet nélküli algoritmusok közé tartozik a K-means klaszterezés és a főkomponens-analízis (PCA). Az előbbi a csoportok közötti távolság minimalizálásával működik, míg az utóbbi a variancia maximalizálásával azonosítja a legfontosabb adatdimenziókat.

4. Hivatkozások:

• Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. "The Elements of Statistical Learning." Springer, 2009.
• Bishop, Christopher M. "Pattern Recognition and Machine Learning." Springer, 2006.

5. Megjegyzések:​​​​​​​

6. Kulcsszavak:

mesterséges intelligencia, gépi tanulás