Hva er ikke-veiledet læring?
Ikke-veiledet læring (Unsupervised Learning) er en type maskinlæring der algoritmer trenes på datasett uten forhåndsdefinerte etiketter eller output. I motsetning til veiledet læring, hvor treningsdataene inkluderer både input og tilhørende output, har ikke-veiledet læring kun inputdata. Algoritmen må selv oppdage mønstre, strukturer eller sammenhenger i dataene uten noen form for veiledning om hva som er riktig svar.
Ikke-veiledet læring brukes hovedsakelig til å utforske og finne skjulte strukturer i data, segmentere datasett i grupper, eller redusere dimensjonalitet for å gjøre dataene mer håndterbare.
Hvordan fungerer ikke-veiledet læring?
I ikke-veiledet læring prøver algoritmen å oppdage mønstre i dataene på egen hånd. Algoritmen analyserer dataene og ser etter likheter eller forskjeller mellom eksemplene, som den kan bruke til å gruppere, klassifisere, eller redusere kompleksiteten i datasettet. Den får ingen tilbakemelding på om den har klassifisert eller gruppert dataene riktig, og må derfor lære gjennom strukturen i dataene selv.
