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.
- 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.