Was bedeutet Unsupervised Learning?

Unsupervised Learning bezeichnet Verfahren, die Struktur in Daten finden, ohne dass zu den Beispielen ein richtiges Ergebnis vorliegt. Das Verfahren bekommt allein die Eingaben und sucht darin selbstständig Gruppen, Zusammenhänge oder Ausreißer. Beim überwachten Lernen ist zu jedem Beispiel die Antwort bekannt, hier gibt dagegen niemand vor, wonach überhaupt gesucht werden soll.

Die Clusteranalyse fasst ähnliche Datensätze zu Gruppen zusammen. Das k-Means-Verfahren braucht die Zahl der Gruppen als Vorgabe, DBSCAN leitet sie aus der Dichte der Punkte ab und erkennt dabei auch unregelmäßige Formen. Verfahren zur Dimensionsreduktion wie die Hauptkomponentenanalyse fassen viele Merkmale zu wenigen zusammen und machen die Daten damit darstellbar. Die Ausreißererkennung markiert Datensätze, die sich von allen anderen deutlich unterscheiden.

Unsupervised Learning lohnt sich dort, wo ein großer Datenbestand vorliegt, den bisher niemand eingeordnet hat. Typische Fälle sind die Segmentierung von Kunden oder Antragstellern, die Erkennung ungewöhnlicher Buchungen und die Vorsortierung großer Dokumentbestände. Steht die gesuchte Einteilung dagegen bereits fest, ist ein überwachtes Verfahren der direktere und genauere Weg.

Der Vorteil gegenüber einer Einteilung von Hand liegt darin, dass keine Annotation durch Fachleute nötig ist. Die Verfahren arbeiten auf dem vorhandenen Bestand und liefern eine erste Einteilung innerhalb von Stunden. Häufig dienen die gefundenen Gruppen anschließend als Grundlage für ein überwachtes Modell.

Bevor eine gefundene Gruppe weiterverwendet wird, muss jemand mit Fachkenntnis prüfen, worauf sie beruht. Bei der Segmentierung von Antragstellern kann ein Verfahren nach Postleitzahl trennen, weil dort die größten Unterschiede liegen, obwohl der Wohnort für die Aufgabe belanglos ist. Ohne diese Prüfung wandert eine zufällige Ähnlichkeit in das nachfolgende Modell.