子どもは、音を分類し始める前に、どの音がどの言語に属するかを教えられることはありません。教師なし学習も同様です。アルゴリズムはラベルのないデータを受け取り、自力で構造を見つけ出す必要があります。検証すべき正解はなく、データ自体の形状から浮かび上がるパターンだけが存在します。
クラスタリングはその典型的な例です。小売業者が1年分の購買記録をクラスタリングアルゴリズムに入力すると、これまで定義していなかった5つの異なる顧客グループを発見できる可能性があります。次元削減もまた別の例です。これは、数百もの測定値を、意味のある関係性を維持したまま2次元マップに圧縮するものです。
どこで生計を立てるか
- マーケティングのための顧客セグメンテーション
- ネットワークトラフィックまたは製造における異常検出
- 大規模文書コレクションにおけるトピック発見
- 後続の教師ありタスクのための事前学習表現
ラベルがないことは、自由であると同時に負担でもある。正解データがない場合、結果の評価は主観的になり、クラスタリングが妥当かどうかを人間が解釈する必要が生じることが多い。しかし、ラベル付けが不可能またはコストがかかりすぎる場合、教師なし学習法はデータに隠された情報を明らかにする唯一の方法となる。
Comments (2)
Leave a comment