ზედამხედველობის გარეშე სწავლება (Unsupervised learning) – სწავლება მონიშვნის გარეშე: მოდელი მონაცემებში თავად პოულობს სტრუქტურას და ჯგუფებს.
როგორ მუშაობს ზედამხედველობის გარეშე სწავლება
ზედამხედველობის გარეშე სწავლებისას (unsupervised learning) მოდელს სწორ პასუხებს არ აძლევენ. მას მხოლოდ მონაცემები აქვს და თავად უნდა იპოვოს მათში სტრუქტურა: მსგავსი ობიექტების ჯგუფები, უჩვეულო შემთხვევები ან მონაცემების უფრო მარტივი წარმოდგენა. ყველაზე ცნობილი ამოცანებია კლასტერიზაცია და განზომილების შემცირება.
მაგალითი ყოველდღიური ცხოვრებიდან
ონლაინ მაღაზია მყიდველებს შესყიდვების მიხედვით ჯგუფებად ყოფს: „ფასდაკლებების მაძიებლები“, „ხშირი მყიდველები“ და სხვა. ეს ჯგუფები წინასწარ არავის განუსაზღვრავს, ალგორითმმა თავად იპოვა.
რატომ არის ზედამხედველობის გარეშე სწავლება მნიშვნელოვანი
- ეტიკეტების გარეშე – მუშაობს იქ, სადაც მონიშნული მონაცემები არ არსებობს.
- აღმოჩენა – ავლენს კანონზომიერებებს, რომლებიც ადამიანს შეიძლება გამორჩეს.
- ანომალიები – ეხმარება უჩვეულო ტრანზაქციების, მაგალითად თაღლითობის, აღმოჩენაში.
ზედამხედველობის გარეშე სწავლების ამოცანები
კლასტერიზაციის გარდა, ამ მიდგომის მნიშვნელოვანი ამოცანაა განზომილების შემცირება. როცა თითოეულ ობიექტს ასობით მახასიათებელი აქვს, ალგორითმი პოულობს უფრო მარტივ წარმოდგენას, რომელიც მთავარ ინფორმაციას ინარჩუნებს. ასე მონაცემების ვიზუალიზაციაც შეიძლება ორ ან სამ განზომილებაში, რაც ადამიანს კანონზომიერებების დანახვაში ეხმარება.
მეორე ამოცანა ანომალიების აღმოჩენაა. ალგორითმი სწავლობს, როგორ გამოიყურება „ნორმალური“ მონაცემი, და მონიშნავს იმას, რაც ამ ნორმიდან მკვეთრად გადაუხვევს. ასე ავლენენ საეჭვო საბანკო ოპერაციებს, აღჭურვილობის უჩვეულო მუშაობას ან ქსელში უცნაურ აქტივობას.
ასოციაციის წესების ძიებაც ამ ჯგუფს ეკუთვნის: ალგორითმი პოულობს, რომელი ნივთები იყიდება ხშირად ერთად. ამის საფუძველზე მაღაზიები პროდუქტებს განალაგებენ ან შეთავაზებებს ადგენენ. ზედამხედველობის გარეშე სწავლების შედეგს ყოველთვის სჭირდება ადამიანის ინტერპრეტაცია, რადგან ალგორითმი ჯგუფებს სახელს და მნიშვნელობას თავად არ ანიჭებს.
ამ მიდგომის შეფასება რთულია, რადგან სწორი პასუხი წინასწარ არ არსებობს. ამიტომ იყენებენ შიდა საზომებს, მაგალითად რამდენად კომპაქტურია ჯგუფები და რამდენად დაშორებულია ერთმანეთს, ან შედეგს ექსპერტები ამოწმებენ.
დაკავშირებული ტერმინები
ზედამხედველობითი სწავლება · კლასტერიზაცია · თვითზედამხედველობითი სწავლება · ლატენტური სივრცე · მანქანური სწავლება · AI ლექსიკონი
ხშირად დასმული კითხვები
როგორ ვიცით, რომ შედეგი სწორია?
სწორი პასუხი არ არსებობს, ამიტომ შედეგს ექსპერტები აფასებენ ან სპეციალური მეტრიკებით ამოწმებენ.
რით განსხვავდება თვითზედამხედველობითისგან?
თვითზედამხედველობითი სწავლება ეტიკეტებს თავად მონაცემებიდან ქმნის და კონკრეტულ პროგნოზს სწავლობს, მაგალითად შემდეგ სიტყვას.
შეჯამება
ზედამხედველობის გარეშე სწავლება მონაცემებში სტრუქტურას სწორი პასუხების გარეშე პოულობს. ის ძლიერი იარაღია ჯგუფების და ანომალიების აღმოსაჩენად.