教師なし学習の例は何ですか？

教師なし学習とは、ラベルのないデータのセットを提供できる場合です。このデータは、内部のパターンを分析して見つけるために必要です。例としては、次元削減とクラスタリングがあります。トレーニングは、ラベル付け、分類、または分類されていないデータのグループと、監視なしでそのデータを容易にするために必要なアルゴリズムを使用して、マシンでサポートされます。教師なし学習の目的は、入力レコードを新しい機能または同じパターンのオブジェクトのセットに再構築することです。

クラスター分析は、これらのレコードに対して行われたさまざまな測定に応じて、同じレコードのグループまたはクラスターを形成するために使用されます。重要な設計は、分析の目的に役立つ方法でクラスターを定義することです。このデータは、天文学、考古学、医学、化学、教育、心理学、言語学、社会学など、いくつかの分野で使用されています。

Googleは、ニュースアイテムをグループ化するために教師なし学習を必要とするクラスタリングのインスタンスであり、そのコンテンツによって異なります。 Googleには、複数のトピックについて書かれた数百万のニュースアイテムのセットがあり、それらのクラスタリングアルゴリズムは、単語の頻度、文の長さ、ページ数などの複数の属性を使用して、これらのニュースアイテムを同じまたは相互に関連付けられた少数にグループ化する必要があります。

教師なし学習には、次のようなさまざまな例があります-

コンピューティングクラスターを整理する −サーバーの地理的領域は、世界の特定の領域から受信したWeb要求のクラスタリングに基づいて決定されます。ローカルサーバーには、その地域の人々によって頻繁に作成されるデータのみが含まれます。

ソーシャルネットワーク分析 −ソーシャルネットワーク分析は、友達同士のつながりの頻度に応じて友達のクラスターを作るために行われます。このような分析により、ソーシャルネットワーキングWebサイトのユーザー間のリンクが明らかになります。

マーケットセグメンテーション −販売組織は、以前に請求されたアイテムに基づいて、ユーザーを複数のセグメントにクラスター化またはグループ化できます。たとえば、大規模なスーパーストアでは、すべてのユーザーにSMSを送信するのではなく、食料品の要素に関するSMSを食料品のユーザーに送信する必要がある場合があります。

安いだけでなく、優れています。結局のところ、それは店から衣類を購入するだけの人にとっては無関係な刺激になる可能性があります。購入履歴に基づいてユーザーを複数のセグメントに結合することで、ストアは適切なユーザーに焦点を合わせて売上を増やし、利益を増やすことができます。

天文データ分析 −天文学者は、銀河や星を研究するために高い望遠鏡を必要としています。空の複数の部分から受け取った光のデザインまたは光の組み合わせは、複数の銀河、惑星、衛星を認識するのに役立ちます。