Supervised kontra unsupervised

Maskinlæring opdeles i to store familier: superviseret læring, som bruger mærkede svar, og ikke-superviseret læring, som ikke gør. 🧭

I superviseret læring har hver række en kendt mærkat, altså det korrekte svar, som modellen forsøger at forudsige for nye data.

Superviserede modeller studerer par af input og mærkater og generaliserer derefter denne sammenhæng for at forudsige mærkater, de aldrig har set.

Ikke-superviseret læring har slet ingen mærkater. Algoritmen skal finde struktur i dataene på egen hånd, uden at noget fortæller den, hvad der er rigtigt.

Den mest almindelige ikke-superviserede opgave er klyngedannelse: at samle lignende rækker, så naturlige segmenter opstår fra rå data.

Klyngedannelse afgør, hvem der hører sammen, ved hjælp af et mål for afstand, f.eks. euklidisk afstand mellem featureværdier.

At inddele kunder i segmenter efter, hvad de køber, uden foruddefinerede kategorier, er klassisk klyngedannelse i praksis.

Uden mærkater findes der ingen enkel nøjagtighed at kontrollere. Du vurderer klynger ud fra, hvor sammenhængende og godt adskilte de er.

Den samme tabel kan bruges til begge tilgange: Tilføj en målkolonne til superviseret arbejde, eller hold den tilbage, så strukturen kan vise sig.

Vælg superviseret læring, når du har et klart svar, der skal forudsiges. Vælg ikke-superviseret læring, når du vil udforske ukendte mønstre.

Begge familier bruger det samme bibliotek. Værktøjerne til klyngedannelse ligger under sklearn.cluster, klar sammen med de klassifikatorer, du allerede kender.

Superviseret læring forudsiger kendte mærkater, mens ikke-superviseret læring, f.eks. klyngedannelse, finder skjulte grupper, når der ikke findes mærkater. 🎯