Oövervakad inlärning är en maskininlärningsteknik för att upptäcka dolda mönster och samband i data. Vid oövervakat lärande ges algoritmen inga förkunskaper eller märkta data att lära sig av, utan den får istället utforska data på egen hand och känna igen likheter och skillnader. Den används för att identifiera likheter och skillnader i data, gruppera liknande datapunkter och upptäcka anomalier eller extremvärden. Clustering är den vanligaste oövervakade inlärningstekniken, där algoritmen grupperar datapunkter som liknar varandra baserat på deras egenskaper eller attribut. En annan vanlig teknik är dimensionalitetsreduktion, vilket innebär att man minskar antalet funktioner i en datauppsättning samtidigt som den viktiga informationen bevaras.
Publiceringsdatum: