Unsupervised learning

Unsupervised learning je učenie zo vstupných dát bez explicitných cieľových značiek, zamerané na štruktúru, reprezentácie, zhluky alebo rozdelenie dát.

Použitie závisí od konkrétnej úlohy a očakávaného výsledku. V praxi je dôležité určiť presný kontext, hranice významu a situácie, v ktorých sa pojem nesmie zamieňať s príbuzným javom.

Overenie sa robí na reprezentatívnych dátach alebo scenároch, voči jasnej porovnávacej základni a pomocou metrík zodpovedajúcich reálnemu cieľu. Kontrola má zahŕňať aj hraničné prípady, neistotu a prevádzkové náklady.

Rizikom je príliš široký výklad, zámena príbuzných pojmov a prenos tvrdenia medzi odlišnými disciplínami. Význam treba vždy viazať na konkrétny kontext a overiteľný zdroj.

Unsupervised learning sa od pojmov User intent, Universal approximation theorem, Variance odlišuje funkciou, vstupmi, spôsobom výpočtu a účelom výsledku. Súvisiace pojmy môžu spolupracovať, nie sú však automaticky zameniteľné.