Metanavigation:

Hier finden Sie den Zugang zur Notfallseite, Kontaktinformationen, Barrierefreiheits-Einstellungen, die Sprachwahl und die Suchfunktion.

Navigation öffnen

Identifizierung von zugrundeliegenden Mustern

Sie befinden sich hier:

Hauptzuständig

Miriam Sieg

Maren März

 

Unsupervised Learning - unüberwachtes Lernen

Unüberwachtes Lernen verwendet Algorithmen des maschinellen Lernens, um nicht kategorisierte bzw. ungekennzeichnete Datensätze zu analysieren und in Gruppen zusammenzufassen. Diese Algorithmen entdecken zugrunde liegende Strukturen, versteckte Muster oder Datengruppierungen, ohne dass ein menschliches Eingreifen erforderlich ist. Sie können eingeteilt werden in Clustering- und Assoziationsalgorithmen:

  • Beim Clustering werden inhärente Gruppierungen in den Daten eruiert, z. B. die Gruppierung von Kunden nach ihrem Kaufverhalten.
  • Bei der Assoziation werden Regeln oder Zusammenhänge eruiert, z. B. dass Personen, die X kaufen, auch dazu neigen, Y zu kaufen.

Da diese Algorithmen Ähnlichkeiten und Unterschiede in Informationen entdecken, werden sie für explorative Datenanalysen, Kundensegmentierungen und Bilderkennungen eingesetzt.