Unüberwachtes Lernen

Unüberwachtes Lernen sucht nach Strukturen in den DatenUnüberwachtes Lernen. Im Gegensatz zum überwachten Lernen, liegen beim unüberwachten Lernen keine Label oder Zielgrößen vor. Einzig die Daten selbst sind der Ausgangspunkt eines unüberwachten Lernverfahrens und daher sind genau diese Verfahren auch hervorragend zur Vorverarbeitung geeignet. Mehr noch: durch ihre spezielle Analyse der Daten finden einige der Verfahren einfachere, niedrigdimensionale Darstellung der Eingangsdaten. Sie reduzieren damit die Dimension und ermöglichen einen besseren Blick auf die relevante Information. Unser Fokus wird in diesem Kapitel auf der klassischen Hauptkomponentenanalyse (Principal Component Analysis, PCA), dem K-Means-Clusterverfahren, dem t-Distributed-Stochastic-Neighbour-Embedding-Algorithmus (t-SNE) und dem Konzept von Autoencodern liegen.