Denetimsiz Makine Öğrenimi Nedir?

Denetimsiz makine öğrenimi; denetimli makine öğreniminden farklı olarak, çalışmalarda kullanılmak istenilen verilerin nedensel (sebep-sonuç) veya kümesel (girdi-çıktı) olarak etiketlenmediği, sadece veri kümeleri içerisinde bulunan verilerin doğal olarak birbirleriyle olan ilişkilerinin ve bağlantı yapılarının öğrenilmesi için oluşturulan fonksiyon öğretilmesi olarak tanımlanabilir.

Denetimsiz Makine Öğrenimi Neden Kullanılır?

Bu öğrenim algoritmaları, etiketlenmemiş veriler üzerinde eğitim vermek için yani; kullanılan kaynak verilerin etilenmediği (veya sınıflandırılmadığı) durumlarda kullanılmaktadır. Bu öğrenme tekniğinde genel amaç, etiketlenmemiş halde bulunan veri kümeleri içerisinden gizlenmiş durumda bulunan ve anlamlı bağlantılara sahip verilerin tanımlanmasıdır. Ayrıca bu yöntemde oluşturulan algoritmalar, istenilen doğru çıktıları tespit edemeyebilmektedir. Ancak, verileri derinlemesine inceleyebilir, etiketlenmemiş veri kümelerindeki gizlenmiş yapıları tespit eder ve bu tespite dayalı yeni çıkarımlar yapabilmektedir.

Denetimsiz Makine Öğrenimi Nasıl Çalışır?

Yukarıda belirtildiği üzere denetimsiz makine öğrenimi algoritmaları verilerin etikenlenmesine gereksinim duymamaktadır. Bu öğrenim çeşidinde etiketlenmemiş halde bulunan veri kümeleri içerisinden gizlenmiş durumda bulunan ve anlamlı bağlantılara sahip veriler tanımlanmaktadır. Günümüzde denetimsiz makine öğrenimim algoritmaları başta derin öğrenme olmak üzere farklı görevlerde başarılı bir şekilde kullanıma sahiptir. Genel olarak denetimsiz makine öğrenimi;

• Kümeleme: Verisetleri içerisinde bulunan verilerin, birbirlerine olan benzerliklerine göre gruplamalar yapmak.
• Anormallik Tespiti: Kullanılacak veri seti içerisinde, hedeflenmemiş verilerin saptanması.
• Boyut Azaltma: Kullanılacak veri seti içerisinde temizleme yaparak değişken sayılarının azaltılmasını sağlamak.

gibi işlemleri gerçekleştirmek için kullanılmaktadır.