AI Sözlük
Denetimsiz Öğrenme Nedir?
Denetimsiz öğrenmede doğru cevap etiketi yoktur; algoritma benzerlik, yoğunluk veya gizli yapı arar.
Tanım
Denetimsiz öğrenme, etiketsiz veriyle çalışır. Amaç kümeler bulmak, anomalileri ayıklamak veya veriyi daha düşük boyuta sıkıştırmaktır. K-means, hiyerarşik kümeleme, PCA ve bazı autoencoder’lar bu aileye girer. LLM pretraining’i next-token tahminiyle self-supervised sayılır; klasik “etiketsiz kümeleme”den farklı ama “elle etiket yok” fikrine yakındır. Denetimsiz yöntemler keşif için güçlüdür; iş kararı için sonuçların yorumu ve validasyonu şarttır.
Küme sayısı gibi hiperparametreler domain bilgisi ister.
Anomali tespiti endüstride sık uygulama alanıdır.
Sık sorulanlar
Self-supervised nedir?
Etiketleri verinin kendisinden üreten yaklaşımdır; masked language modeling örnektir.
Ne zaman kullanılır?
Etiket pahalı veya yokken yapı keşfi ve önişleme için.