Unsupervised Learning

Unsupervised Learning (unüberwachtes Lernen) ist ein maschinelles Lernverfahren, bei dem ein Algorithmus Muster und Strukturen in Daten entdecken soll, ohne vorher Zielvariablen oder Klassen zu kennen. Im Gegensatz zum überwachten Lernen gibt es keine gelabelten Daten, sondern der Algorithmus analysiert die unbekannten Daten, um verborgene Beziehungen, Gruppierungen oder Anomalien zu identifizieren. Unsupervised Learning kann helfen, Erkenntnisse aus unstrukturierten Daten zu gewinnen, neue Kategorien zu identifizieren oder Datensätze zu segmentieren. Anwendungsbeispiele sind Clustering, Dimensionalitätsreduktion oder Anomalieerkennung.