Ikke-veiledet læring

Ikke-overvåket læring er en type maskinlæring der algoritmen lærer mønstre fra umerkede data. Den brukes ofte til klynging, dimensjonsreduksjon og deteksjon av avvik.

I denne leksjonen utforsker du klyngingsteknikker som K-Means og hierarkisk klynging.

Ikke-overvåket læring innebærer å analysere og gruppere data uten forhåndsdefinerte etiketter. Målet er å identifisere skjulte strukturer eller mønstre i dataene.

Viktige oppgaver omfatter:

• Klynging: Gruppere lignende datapunkter.
• Dimensjonsreduksjon: Redusere antallet egenskaper samtidig som viktig informasjon bevares.

K-Means er en populær klyngealgoritme som deler data inn i K klynger basert på likhet mellom egenskapene. La oss 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 klynging bygger en trelignende struktur (dendrogram) for å gruppere lignende datapunkter. Den krever ikke et forhåndsdefinert antall 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()

Dimensjonsreduksjon forenkler data ved å redusere antallet egenskaper samtidig som viktig informasjon bevares. Principal Component Analysis (PCA) er en vanlig teknikk for denne oppgaven.

# 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-overvåket læring brukes til:

• Kundesegmentering: Gruppere kunder basert på atferd.
• Avviksdeteksjon: Identifisere uvanlige mønstre i data.
• Bildekomprimering: Redusere bildestørrelsen samtidig som kvaliteten bevares.

Visualisering av klynger gjør det enklere å forstå hvordan datapunkter grupperes. Matplotlib og Seaborn er nyttige til dette:

# 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()

Ikke-overvåket læring har flere utfordringer, blant annet:

• Fastsette antallet klynger: K-Means krever at De angir antallet klynger på forhånd.
• Tolkbarhet: Klynger har ikke alltid en tydelig betydning.
• Skalerbarhet: Håndtering av store datasett kan være beregningskrevende.

Her er noen feil De bør unngå:

• Å velge feil antall klynger i K-Means.
• Å unnlate å forhåndsbehandle data, for eksempel ved å skalere egenskaper.
• Å overtolke klynger uten validering.

I denne leksjonen har De lært:

• Grunnleggende om ikke-overvåket læring og de viktigste oppgavene.
• Hvordan De implementerer K-Means og hierarkisk klynging.
• Konseptet dimensjonsreduksjon ved hjelp av PCA.
• Bruksområder, utfordringer og vanlige feil ved ikke-overvåket læring.

Godt jobbet! La oss gå videre til neste tema.