Машин сургалтын хяналтгүй загвар нь сургалтанд шошготой өгөгдөл шаарддаггүй, учир нь энэ нь урьдчилан тодорхойлсон шошгогүйгээр өгөгдлийн доторх загвар, харилцааг олох зорилготой юм. Хэдийгээр хараа хяналтгүй сургалт нь шошготой өгөгдлийг ашиглахгүй ч гэсэн загвар нь өгөгдлийн үндсэн бүтцийг судалж, утга учиртай ойлголтыг олж авахын тулд сургалтын процесст хамрагдах шаардлагатай хэвээр байна. Хяналтгүй сургалтын сургалтын үйл явц нь бөөгнөрөл, хэмжээсийг багасгах, гажиг илрүүлэх зэрэг арга техникийг хамардаг.
К-түлхүүр кластер эсвэл шаталсан кластер гэх мэт кластерийн алгоритмуудыг хяналтгүй суралцахад ижил төстэй өгөгдлийн цэгүүдийг онцлогт нь үндэслэн бүлэглэх зорилгоор ихэвчлэн ашигладаг. Эдгээр алгоритмууд нь өгөгдлийг кластер болгон хуваах замаар өгөгдлийн доторх загвар, бүтцийг тодорхойлоход тусалдаг. Жишээлбэл, үйлчлүүлэгчдийг сегментчлэхдээ кластерийн алгоритмууд нь худалдан авагчдыг худалдан авалтын зан төлөв эсвэл хүн ам зүйн мэдээлэлд үндэслэн бүлэглэж, маркетингийн стратеги ашиглан тодорхой харилцагчийн сегментүүдэд чиглүүлэх боломжийг бизнесүүдэд олгодог.
Үндсэн бүрэлдэхүүн хэсгүүдийн шинжилгээ (PCA) эсвэл t-SNE зэрэг хэмжээсийг багасгах арга техникүүд нь хараа хяналтгүй суралцахад өгөгдлийн үндсэн бүтцийг хадгалахын зэрэгцээ өгөгдлийн шинж чанаруудын тоог багасгахад зайлшгүй шаардлагатай. Өгөгдлийн хэмжээст байдлыг багасгаснаар эдгээр аргууд нь загварт өгөгдөл доторх нарийн төвөгтэй харилцааг дүрслэн харуулах, тайлбарлахад тусалдаг. Жишээлбэл, зураг боловсруулахад хэмжээсийг багасгах нь чухал харааны мэдээллийг хадгалахын зэрэгцээ зургийг шахахад ашиглаж, том өгөгдлийн багцыг шинжлэх, боловсруулахад хялбар болгодог.
Аномали илрүүлэх нь хараа хяналтгүй сургалтын өөр нэг чухал хэрэглээ бөгөөд загвар нь ердийн зан үйлээс гажсан өгөгдөл дэх хэт давчуу байдал эсвэл ер бусын хэв маягийг тодорхойлдог. Тусгаарлалтын ой эсвэл Нэг ангиллын SVM гэх мэт гажиг илрүүлэх алгоритмууд нь санхүүгийн гүйлгээний залилан мэхлэх үйл ажиллагаа, кибер аюулгүй байдлын сүлжээний халдлага, эсвэл урьдчилан таамаглах засвар үйлчилгээний тоног төхөөрөмжийн эвдрэлийг илрүүлэхэд ашиглагддаг. Эдгээр алгоритмууд нь сургалтын явцад өгөгдөл дэх ердийн хэв маягийг сурч, эдгээр загварт үл нийцэх тохиолдлуудыг гажиг гэж тэмдэглэдэг.
Хяналтгүй сургалтын загварууд нь сургалтанд шошготой өгөгдөл шаарддаггүй ч өгөгдлийн үндсэн бүтцийг судалж, бөөгнөрөл, хэмжээсийг багасгах, гажиг илрүүлэх зэрэг арга техникээр дамжуулан үнэ цэнэтэй ойлголтуудыг олж авах сургалтын үйл явцтай хэвээр байна. Хяналтгүй сургалтын алгоритмуудыг ашигласнаар аж ахуйн нэгжүүд болон байгууллагууд өгөгдлийнхөө далд хэв маягийг илрүүлж, үндэслэлтэй шийдвэр гаргаж, өгөгдөлд суурилсан өнөөгийн ертөнцөд өрсөлдөх давуу талыг олж авах боломжтой.
Сүүлийн үеийн бусад асуулт, хариулт EITC/AI/GCML Google Cloud Machine Learning:
- Текстээс яриа (TTS) гэж юу вэ, энэ нь хиймэл оюун ухаантай хэрхэн ажилладаг вэ?
- Машин сургалтын явцад том өгөгдлийн багцтай ажиллахад ямар хязгаарлалт байдаг вэ?
- Машины сургалт нь харилцан ярианы тусламж үзүүлж чадах уу?
- TensorFlow тоглоомын талбай гэж юу вэ?
- Том өгөгдлийн багц нь үнэндээ юу гэсэн үг вэ?
- Алгоритмын гиперпараметрийн зарим жишээ юу вэ?
- Ансамблийн сургалт гэж юу вэ?
- Сонгосон машин сургалтын алгоритм тохиромжгүй бол яах вэ, зөвийг нь хэрхэн сонгох вэ?
- Машин сургалтын загвар нь сургалтын явцад хяналт тавих шаардлагатай юу?
- Мэдрэлийн сүлжээнд суурилсан алгоритмд ашигладаг гол параметрүүд юу вэ?
EITC/AI/GCML Google Cloud Machine Learning-ээс бусад асуулт, хариултуудыг харна уу