Unsupervised učení

Unsupervised učení je metoda učení stroje kde model je vhodný k pozorováním. To je rozlišováno od kontrolovaného učení faktem že není tam žádný priori výstup. V učení unsupervised, datový soubor objektů vstupu je sbírán. Unsupervised učení pak typicky vstup dárků namítá jako soubor náhodných proměnných. Spojený hustotní model je pak postavený pro soubor dat.

Unsupervised učení může být používáno v spojení s Bayesian závěrem k produkčním podmínkovým pravděpodobnostem (tj. dohlížel na učení) pro některého náhodných proměnných daný jiní.

Unsupervised učení je také užitečné pro kompresi dat: fundamentally, všechny algoritmy komprese dat jeden výslovně nebo implicitně se spoléhat na rozdělení pravděpodobnosti přes soubor vstupů.

Další forma učení unsupervised se seskupí, který je někdy ne probabilistic. Také vidět formální analýza pojetí.

Bibliografie

• Geoffrey Hinton, Terrence J. Sejnowski (editoři) (1999) Unsupervised učení a mapovat formaci: Založení nervového počítání, MIT tiskne, ISBN 026258168X (tato kniha se zaměří na učení unsupervised v neuronových sítích.)