Unsupervised learning

Ikke-overvåget læring er en type maskinlæring, hvor algoritmen lærer mønstre fra data uden mærkede data. Den bruges ofte til klyngedannelse, dimensionsreduktion og registrering af anomalier.

I denne lektion undersøger du klyngedannelsesteknikker som K-Means og hierarkisk klyngedannelse.

Ikke-overvåget læring omfatter analyse og gruppering af data uden foruddefinerede etiketter. Målet er at identificere skjulte strukturer eller mønstre i dataene.

De vigtigste opgaver omfatter:

• Klyngedannelse: Gruppering af lignende datapunkter.
• Dimensionsreduktion: Reduktion af antallet af egenskaber, samtidig med at vigtig information bevares.

K-Means er en populær algoritme til klyngedannelse, der opdeler data i K klynger baseret på ligheden mellem egenskaber. Lad os se, hvordan den fungerer:

# Example: K-Means Clustering
from sklearn.cluster import KMeans
import numpy as np

# Sample data
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

kmeans = KMeans(n_clusters=2, random_state=0)
kmeans.fit(X)
print("Cluster Centers:", kmeans.cluster_centers_)
print("Labels:", kmeans.labels_)

Hierarkisk klyngedannelse opbygger en trælignende struktur (dendrogram) for at gruppere lignende datapunkter. Den kræver ikke et foruddefineret antal klynger.

# Example: Hierarchical Clustering
from scipy.cluster.hierarchy import dendrogram, linkage
import matplotlib.pyplot as plt

# Sample data
X = [[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]]

linked = linkage(X, 'single')
dendrogram(linked)
plt.show()

Dimensionsreduktion forenkler data ved at reducere antallet af egenskaber, samtidig med at vigtig information bevares. Hovedkomponentanalyse (PCA) er en almindelig teknik til denne opgave.

# Example: PCA
from sklearn.decomposition import PCA
import numpy as np

# Sample data
X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])

pca = PCA(n_components=1)
X_reduced = pca.fit_transform(X)
print("Reduced Data:", X_reduced)

Ikke-overvåget læring bruges til:

• Kundesegmentering: Gruppering af kunder efter adfærd.
• Registrering af anomalier: Identifikation af usædvanlige mønstre i data.
• Billedkomprimering: Reduktion af billedstørrelsen, samtidig med at kvaliteten bevares.

Visualisering af klynger hjælper med at forstå, hvordan datapunkter grupperes. Matplotlib og Seaborn er nyttige til dette formål:

# Example: Visualizing clusters
import matplotlib.pyplot as plt

# Sample data and labels
X = [[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]]
labels = [0, 0, 0, 1, 1, 1]

for i in range(len(X)):
    plt.scatter(X[i][0], X[i][1], c='r' if labels[i] == 0 else 'b')
plt.show()

Uovervåget læring har flere udfordringer, blandt andet:

• Fastlæggelse af antallet af klynger: K-Means kræver, at du angiver antallet af klynger på forhånd.
• Fortolkelighed: Klynger har ikke altid en tydelig betydning.
• Skalerbarhed: Håndtering af store datasæt kan være beregningsmæssigt krævende.

Her er nogle fejl, du bør undgå:

• At vælge det forkerte antal klynger i K-Means.
• At undlade at forbehandle data, f.eks. ved at skalere egenskaber.
• At overfortolke klynger uden validering.

I denne lektion har du lært:

• Det grundlæggende i uovervåget læring og dens vigtigste opgaver.
• Sådan implementerer du K-Means og hierarkisk klyngedannelse.
• Begrebet dimensionsreduktion ved hjælp af PCA.
• Anvendelser, udfordringer og almindelige fejl i uovervåget læring.

Godt gået! Lad os gå videre til næste emne.