Apprendimento senza supervisione

L'apprendimento senza supervisione è una tecnica di machine learning in cui la macchina apprende dall'esperienza senza avere esempi e risposte di riferimento.

Nota. Nell'apprendimento supervisionato la macchina apprende dagli esempi e le soluzioni fornite dal supervisore. Nel reinforcement learning (RL), invece, la macchina apprende tramite una funzione di ricompensa (rinforzo).

Nell'apprendimento non supervisionato i dati non sono etichettati.

La stessa struttura dei dati non è predefinita.

Per imparare la macchina deve estrarre le informazioni rilevanti dai dati disponibili.

    Le tecniche dell'apprendimento senza supervisione

    Le principali tecniche di machine learning senza supervisione sono le seguenti:

    • Clustering. L'algoritmo di apprendimento cerca le regolarità nei dati disponibili. E' particolarmente utile nell'analisi dei big data.
      il clustering a tre dimensioni
    • Riduzione della dimensione dei dati. L'algoritmo di apprendimento elimina i dati non significativi ( rumore ) e combina le informazioni ridondanti ( correlate ) per concentrare l'analisi su quelli in cui emerge uno schema.
      esempio di riduzione della dimensionalità dei dati



    Per scrivere un commento

    knowledge base

    Machine Learning (ML)