Apprendimento non supervisionato

L'apprendimento non supervisionato è un tipo di machine learning in cui l'algoritmo apprende gli schemi dai dati non etichettati. Viene spesso utilizzato per il clustering, la riduzione della dimensionalità e il rilevamento delle anomalie.

In questa lezione esplorerà tecniche di clustering come K-Means e il clustering gerarchico.

Che cos'è l'apprendimento non supervisionato?

L'apprendimento non supervisionato consiste nell'analizzare e raggruppare i dati senza etichette predefinite. L'obiettivo è individuare strutture o schemi nascosti nei dati.

Le attività principali includono:

• Clustering: Raggruppare punti dati simili.
• Riduzione della dimensionalità: Ridurre il numero di caratteristiche conservando le informazioni importanti.

Clustering K-Means

K-Means è un diffuso algoritmo di clustering che suddivide i dati in K cluster in base alla similarità delle caratteristiche. Vediamo come funziona:

# 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_)

Clustering gerarchico

Il clustering gerarchico costruisce una struttura ad albero (dendrogramma) per raggruppare punti dati simili. Non richiede un numero predefinito di cluster.

# 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()

Riduzione della dimensionalità

La riduzione della dimensionalità semplifica i dati diminuendo il numero di caratteristiche e conservando al contempo le informazioni importanti. L'analisi delle componenti principali (PCA) è una tecnica comune per questa attività.

# 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)

Applicazioni dell'apprendimento non supervisionato

L'apprendimento non supervisionato viene utilizzato per:

• Segmentazione dei clienti: Raggruppare i clienti in base al loro comportamento.
• Rilevamento delle anomalie: Individuare schemi insoliti nei dati.
• Compressione delle immagini: Ridurre le dimensioni delle immagini conservandone la qualità.

Visualizzazione dei cluster

La visualizzazione dei cluster aiuta a comprendere il raggruppamento dei punti dati. Matplotlib e Seaborn sono utili a questo scopo:

# 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()

Le sfide dell'apprendimento non supervisionato

L'apprendimento non supervisionato presenta diverse sfide, tra cui:

• Definizione del numero di cluster: K-Means richiede di specificare in anticipo il numero di cluster.
• Interpretabilità: i cluster non hanno sempre un significato chiaro.
• Scalabilità: la gestione di grandi set di dati può richiedere notevoli risorse di calcolo.

Errori comuni nell'apprendimento non supervisionato

Ecco alcuni errori da evitare:

• Scegliere un numero errato di cluster in K-Means.
• Non preelaborare i dati, ad esempio scalando le feature.
• Interpretare eccessivamente i cluster senza una fase di validazione.

Che cosa abbiamo imparato?

In questa lezione ha imparato:

• I fondamenti dell'apprendimento non supervisionato e le sue attività principali.
• Come implementare K-Means e il clustering gerarchico.
• Il concetto di riduzione della dimensionalità tramite PCA.
• Le applicazioni, le sfide e gli errori comuni nell'apprendimento non supervisionato.

Ottimo lavoro! Passiamo al prossimo argomento.