Как обучение без учителя используется в решении задач классификации данных?

Обучение без учителя (unsupervised learning) — подход в машинном обучении, при котором алгоритмы работают с неразмеченными данными. data-light.ru В таких задачах нет готовых ответов, и алгоритм сам решает, как лучше сгруппировать или организовать данные. data-light.ru

Некоторые области применения обучения без учителя в решении задач классификации данных:

• Кластеризация. habr.com practicum.yandex.ru Деление большого массива данных на группы. practicum.yandex.ru Например, алгоритм подбирает похожие данные, находя общие признаки, и группирует их вместе. neurohive.io
• Обнаружение аномалий. neurohive.io practicum.yandex.ru Для этого нейросеть сначала обучают на нормальных данных, и, когда в реальности она встречается с выбросами, то должна об этом сигнализировать. practicum.yandex.ru Так можно быстро обнаруживать необычное поведение покупателей, например резкий рост спроса на конкретный товар. practicum.yandex.ru
• Нахождение ассоциаций. neurohive.io practicum.yandex.ru Нейросеть может определить критерии похожести одних объектов на другие и строить связи. practicum.yandex.ru Например, рекомендовать товары в дополнение к купленным. practicum.yandex.ru

Пример использования: фотосервисы, которые автоматически объединяют снимки по лицам, сценам или событиям. data-light.ru Также обучение без учителя применяют в рекомендательных системах, которые объединяют товары и пользователей в группы по схожим признакам. data-light.ru