Wat is unsupervised learning ongeleerd leren?
Leren zonder labels
Unsupervised learning is een tak van machine learning waarbij het algoritme geen gelabelde uitvoer krijgt. In plaats daarvan moet het zelf structuur ontdekken in de data. Het doel is vaak het vinden van verborgen patronen, groepen of representaties. Voorbeelden zijn clustering, waarbij datapunten worden gegroepeerd op basis van overeenkomsten, en dimensionaliteitsreductie, waarbij de data wordt samengevat in minder variabelen. Unsupervised learning wordt gebruikt voor exploratieve data-analyse, het detecteren van anomalieën, het genereren van nieuwe data en het voorbereiden van data voor supervised learning. Het is krachtig omdat het geen dure gelabelde data vereist, maar het is ook moeilijker te evalueren: er is geen duidelijk 'juist' antwoord. De kwaliteit van de gevonden structuur hangt af van de gekozen methode en parameters. Veelgebruikte algoritmen zijn K-Means, hiërarchische clustering, DBSCAN, PCA en t-SNE. Unsupervised learning speelt een steeds grotere rol in de moderne AI, bijvoorbeeld bij het vooraf trainen van grote taalmodellen op ongelabelde tekst.
Belangrijke toepassingen
Unsupervised learning kent vele toepassingen. In de marketing wordt het gebruikt voor klantsegmentatie: klanten met vergelijkbaar gedrag worden gegroepeerd, zodat gerichte campagnes mogelijk zijn. In de biologie helpt het bij het groeperen van genen met vergelijkbare expressiepatronen. In de astronomie worden sterrenstelsels geclassificeerd op basis van metingen. In de cybersecurity worden afwijkende netwerkpatronen gedetecteerd die op een aanval kunnen wijzen. Dimensionaliteitsreductie wordt gebruikt om hoogdimensionale data te visualiseren en om ruis te verwijderen. PCA (Principal Component Analysis) is een klassieke methode; t-SNE en UMAP zijn populair voor visualisatie. Unsupervised learning wordt ook gebruikt voor het genereren van data, zoals bij GANs en autoencoders. Een uitdaging is het evalueren van de resultaten: zonder labels is het moeilijk om te bepalen of de gevonden structuur betekenisvol is. Vaak wordt een beroep gedaan op domeinkennis of worden interne metrieken zoals silhouette-score gebruikt. Unsupervised learning is essentieel voor het verkennen van nieuwe datasets en het ontdekken van onverwachte verbanden.