منوهای نصب در پنل مدیریت

  • ورود
  • سبد خرید شما خالی است.

یادگیری نظارت نشده

در این مقاله قصد داریم یادگیری نظارت نشده (unsupervised Learning) را توضیح دهیم.

همانطور که در مقاله قبلی اشاره کردیم یادگیری ماشین به چهار گروه تقسیم می شود: یادگیری نظارت شده، یادگیری نظارت نشده، یادگیری نیمه نظارت شده و Reinforcement Learning

یادگیری نظارت نشده یکی از تکنیک های یادگیری ماشین است و زمانی که نمی خواهیم به داده ها نظارت کنیم از این تکنیک استفاده می کنیم.

در این تکنیک باید اجازه دهیم ماشین بر اساس اطلاعاتی که استخراج می کند، یاد بگیرد.

یادگیری نظارت نشده با داده های بدون برچسب کار می کند. در مقایسه با یادگیری نظارت شده می تواند مسائل پیچیده تری را حل کند.

یادگیری بدون نظارت (unsupervised Learning) توانایی تفسیر و یافتن راه حل برای تعداد نامحدود از داده ها را از طریق داده های ورودی و مکانیسم منطق دودویی موجود در کلیه سیستم های رایانه ای را دارد.

چون این الگوریتم داده ها با ویژگی های مشابه را در یک گروه قرار می دهد به الگوریتم خوشه بندی یا Clustering معروف است. به بیان ساده تر خوشه بندی باعث کاهش پیچیدگی در داده های گسترده می شود. اما این ویژگی مشترک توسط خود ماشین تعیین می شود. چون یادگیری بدون نظارت می باشد.خوشه بندی

شاید جالب باشد که بدانیم یادگیری نظارت نشده چگونه گروه ها را از هم تفکیک می کند؟ از کجا باید تشخیص دهد گروه آغاز و در کجا پایان میابد؟

خوشه بندی بر این اصل استوار است که داده هایی موجود در گروه باید بسیار به یکدیگر شبیه باشند . اما با موارد بیرون بسیار متفاوت باشند. تعریف شباهت در برنامه های مختلف ممکن است متفاوت باشد. اما ایده ی اصلی همیشه یکسان است.( داده ها را طوری دسته بندی می کند که عناصر مشابه در یک گروه قرار می گیرند.)

کاربرد الگوریتم های خوشه بندی :

  • تشخیص رفتار غیر عادی مثل حمله شبکه های غیر مجاز
  • ساده سازی داده های بسیار گسترده به وسیله گروه بندی با ویژگی های خاص و ایجاد گروه های همگن
  • تعیین الگوهای خرید برای بازاریابی های هدفمند و تقسیم مشتری ها با ویژگی های مشابه

مثالی برای درک بهتر الگوریتم خوشه بندی:

اگر فروشگاهی را در نظر بگیریم که قصد دسته بندی مشتریان خود را دارد .تا از این روش فروش خود را بالا ببرد. می تواند بر اساس جنسیت افراد ، گروه سنی، جنس یا رنگ محصولات و یا هزاران ویژگی دیگر گروه بندی خود را انجام دهد . و تبلیغات را به مخطبان خاص محصول ارسال کند . این نمونه ساده ای از الگوریتم خوشه بندی در دنیای واقعی می باشد.

چرا از یادگیری نظارت نشده استفاده می کنیم؟

  • میتواند الگوهای ناشناخته ی داده ها را پیدا کند.
  • می تواند ویژگی هایی را استخراج کند که برای طبقه بندی مفید باشد…..

مهم ترین الگوریتم یادگیری نظارت نشده برای خوشه بندی

k-means

Hierarchical

Neural networks

مطالعه ی بیشتر

۲ پاسخ به "یادگیری نظارت نشده"

ارسال یک پیام

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

question