Обучение без учителя (unsupervised learning) – тип машинного обучения, при котором у данных нет меток с правильными ответами. Алгоритм сам находит в данных структуру: группы похожих объектов, необычные наблюдения, связи между признаками.
Основные задачи
- Кластеризация: сегментация клиентов, группировка документов (k-means, DBSCAN, иерархическая кластеризация).
- Снижение размерности: PCA, t-SNE, UMAP – для визуализации и сжатия признаков.
- Поиск аномалий: выявление мошенничества, сбоев, нестандартного поведения.
- Поиск ассоциативных правил: какие товары покупают вместе.
Где применяется
- Маркетинг и сегментация аудитории.
- Информационная безопасность: поведенческая аналитика.
- Мониторинг оборудования и ИТ-систем.
- Подготовка признаков для других моделей.
Ограничения
Результат сложнее оценить, чем в обучении с учителем: нет эталонных ответов, и интерпретацию кластеров или аномалий обычно проверяют эксперты.
