Ohjaamaton oppiminen: löydä rakenne ilman tavoitetunnisteita

Ohjaamaton oppiminen (unsupervised learning) etsii aineistosta rakennetta ilman tehtävää varten annettuja tavoitetunnisteita. Klusterointi ryhmittelee samankaltaisia havaintoja, ja ulottuvuuksien vähentäminen etsii tiiviimpää esitystä.

Algoritmilla on silti tavoite. Ilman tunnisteita valittu esitys, etäisyys ja oletukset vaikuttavat erityisen paljon.

Ryhmittele mallin esityksiä

Scikit-learn-esimerkki klusteroi havainnollistavia upotusvektoreita. Ensin tehty normalisointi painottaa suuntaa alkuperäisen pituuden sijaan.

import numpy as np
from sklearn.cluster import KMeans
from sklearn.preprocessing import normalize

embeddings = np.array([[1., .1], [.9, .2], [.1, 1.], [.2, .9]])
unit_vectors = normalize(embeddings)
clusters = KMeans(n_clusters=2, n_init=10, random_state=7).fit_predict(unit_vectors)

Klusterinumerot ovat mielivaltaisia tunnisteita, eivät löydettyjä aiheiden nimiä. Toinen ajo voi vaihtaa numerot säilyttäen saman ryhmittelyn.

Klusterointi ei myöskään osoita ryhmien olevan sovelluksen tarvitsemia kategorioita. Eri etäisyysmitat, klusterimäärät ja upotusmallit voivat tuottaa eri vastauksia. Tarkastele edustavia esimerkkejä ja arvioi hyötyä tavoitellussa tehtävässä sen sijaan, että pitäisit siistiä karttaa totuutena.