Cos'è il machine learning unsupervised
Un algoritmo di apprendimento senza supervisione ( unsupervised ML ) cerca uno schema all'interno dei dati di un dataset di training per costruire un modello previsionale o di classificazione.
A cosa serve il modello?
Il modello è utilizzato per assegnare un'etichetta (label) e classificare altri esempi sulla base delle loro caratteristiche (features).
Esempio. Un algoritmo viene addestrato con un dataset di 1000 email e le raggruppa in cluster in base alle caratteristiche che hanno in comune.
Nei problemi di regressione il modello produce in output una previsione su una determinata funzionalità, non una classe ma un numero reale.
Esempio. Un algoritmo di Unsupervised ML viene addestrato con il dataset dei prezzi delle case. L'algoritmo crea un modello per calcolare il prezzo di una casa in base alle caratteristiche dell'immobile.
Come funziona l'Unsupervised ML
Il dataset di addestramento è un insieme di esempi non etichettati.
$$ \{ x_{ij} \}_{i=1}^n $$
Il dataset è composto da N esempi.
Ogni riga (esempio) è suddiviso in un vettore di caratteristiche xi (features vector).
Pertanto, l dataset di training è una matrice X composta da n esempi (righe) e j caratteristiche (colonne).
Esempio. In un algoritmo di clustering le caratteristiche (features) del problema sono l'età, l'altezza, il peso, ecc.
L'algoritmo di addestramento riduce la dimensionalità del dataset di training in input e produce in output un modello statistico.
Il modello è in grado di assegnare a ogni esempio una classe (classificazione) oppure un valore numerico (regressione).
Per approfondire la differenza tra regressione e classificazione.
Qual è la differenza tra ML Supervised e Unsupervised. Nell'addestramento unsupervised il dataset di training non include le risposte corrette per ogni esempio. È l'algoritmo a individuare le possibili classi oppure lo schema nascosto nei dati tramite un'analisi approfondita del dataset. Viceversa, nel supervised machine learning il dataset include anche le etichette (soluzioni) e le classi.
