Denetimsiz Öğrenme
- İngilizcesi
- Unsupervised Learning
- Türkçe karşılığı
- gözetimsiz öğrenme
- Okunuşu
- ansupırvayzd lörning
Kısaca
Denetimsiz öğrenme, bir modelin doğru cevaplar verilmeden etiketsiz verilerdeki örüntüleri, grupları veya yapıyı bulduğu makine öğrenmesidir.
Denetimsiz öğrenme nedir?
Denetimsiz öğrenmede eğitim verisinde etiket yoktur: hangi e-postaların spam olduğunu, hangi müşterilerin ayrılacağını ya da her fotoğrafın ne gösterdiğini kimse işaretlememiştir. Bunun yerine algoritma, benzer öğelerin grupları, verinin en çok değiştiği ana yönler ya da olağan örüntüye uymayan noktalar gibi yapıyı kendi başına arar. Etiketsiz veri bol ve ucuzken etiketler çoğu zaman pahalı insan emeği gerektirdiği için kullanışlıdır.
En yaygın görevler kümeleme, boyut indirgeme ve anomali tespitidir. k-means gibi kümeleme algoritmaları, örneğin benzer satın alma alışkanlıklarına sahip müşteriler gibi benzer kayıtları gruplandırır. Temel bileşen analizi (PCA) gibi boyut indirgeme yöntemleri çok sayıda özelliği bilginin çoğunu koruyan birkaç özelliğe sıkıştırır; bu görselleştirmeye yardımcı olur ve diğer modelleri hızlandırır. Anomali tespiti ise dolandırıcılığın ya da arızanın işareti olabilecek olağandışı işlemleri veya sunucu ölçümlerini işaretler.
Elinize etiketsiz binlerce fotoğraf dolu bir kutu verildiğini ve onları yığınlara ayırmanızın istendiğini düşünün. Kimse size kategorileri söylemez, ama bazılarının plajı, bazılarının şehirleri, bazılarının evcil hayvanları gösterdiğini fark edersiniz ve buna göre gruplarsınız. Her denetimsiz sonuçta olduğu gibi zor kısım, yığınların anlamlı olup olmadığına karar vermektir; bu yüzden kümeleri genellikle bir insanın yorumlaması ve adlandırması gerekir.
Denetimsiz öğrenme çoğunlukla, etiketli örneklerle eğitilen ve fiyat ya da kategori gibi bilinen bir cevabı tahmin etmeyi öğrenen denetimli öğrenmeyle karşılaştırılır. LLM'leri ön eğitmek için kullanılan kendi kendine denetimli öğrenmeden (self-supervised learning) de farklıdır; orada etiketler otomatik olarak verinin kendisinden, örneğin sonraki sözcüğü gizleyip modelden tahmin etmesini isteyerek oluşturulur. Pekiştirmeli öğrenme ise etiketlere ya da yapıya değil, ödüllere dayanan ayrı bir yaklaşımdır.
Önemli noktalar
- Denetimsiz öğrenme, etiketi olmayan verilerdeki yapıyı bulur.
- Kümeleme, boyut indirgeme ve anomali tespiti ana görevlerdir.
- Karşılaştırılacak doğru bir cevap olmadığından sonuçların insan tarafından yorumlanması gerekir.
- Denetimli öğrenme ise doğru cevaplarla eşleştirilmiş örneklerden öğrenir.
- Kendi kendine denetimli öğrenme, etiketleri verinin kendisinden otomatik olarak oluşturur.
Örnek
from sklearn.cluster import KMeans
# Unlabeled customer data: [orders per year, average order value]
customers = [[2, 30], [3, 25], [40, 20], [45, 22], [5, 400], [4, 380]]
# Ask for 3 groups; the algorithm decides which customers belong together
model = KMeans(n_clusters=3, n_init=10, random_state=0)
groups = model.fit_predict(customers)
print(groups) # e.g. [1 1 0 0 2 2]: rare buyers, frequent buyers, big spendersSık sorulan sorular
Denetimli ve denetimsiz öğrenme arasındaki fark nedir?
Denetimli öğrenme etiketli örneklerle eğitilir ve yeni girdiler için doğru cevabı tahmin etmeyi öğrenir. Denetimsiz öğrenme ise etiketsiz verilerle çalışır ve öğrenecek hiçbir cevap olmadan kümeler ya da anomaliler gibi yapıyı keşfeder.
Denetimsiz öğrenmeye örnekler nelerdir?
Yaygın örnekler müşteri segmentasyonu, benzer belgeleri veya haber makalelerini gruplama, sahte işlemleri ya da arızalanan makineleri anomali olarak tespit etme ve görselleştirme için veriyi sıkıştırmadır.
LLM ön eğitimi denetimsiz öğrenme midir?
Genellikle kendi kendine denetimli öğrenme olarak tanımlanır. Model, insan etiketi olmayan ham metinle eğitilir, ancak eğitim sinyali metnin kendisinden gelir; çünkü model bir sonraki token'ı tahmin etmeyi öğrenir ve tahminini gerçek metinle kontrol edebilir.
Sık karşılaştırılanlar
İlgili sayfalar
- Denetimli ÖğrenmeYapay Zekâ ve Makine Öğrenmesi, s. 12Denetimli öğrenme, modelin etiketli örneklerden, yani doğru cevaplarla eşleştirilmiş girdilerden öğrenip yeni veride çıktı tahmin ettiği makine öğrenmesidir.
- Makine ÖğrenmesiYapay Zekâ ve Makine Öğrenmesi, s. 30Makine öğrenmesi, bilgisayarların elle yazılmış kurallar yerine verilerdeki örüntüleri öğrenerek tahmin yaptığı bir yapay zekâ dalıdır.
- Pekiştirmeli ÖğrenmeYapay Zekâ ve Makine Öğrenmesi, s. 34Pekiştirmeli öğrenme, bir ajanın iyi eylemler için ödül kazanarak deneme yanılmayla karar vermeyi öğrendiği bir makine öğrenmesi türüdür.
- Eğitim VerisiYapay Zekâ ve Makine Öğrenmesi, s. 17Eğitim verisi, bir makine öğrenmesi modelinin öğrendiği örnekler kümesidir; kalitesi, boyutu ve kapsamı modelin ne kadar iyi çalışacağını büyük ölçüde belirler.
- EmbeddingYapay Zekâ ve Makine Öğrenmesi, s. 18Embedding, metin, görüntü ya da başka verilerin anlamını vektör denen bir sayı listesiyle temsil eden ve benzer öğeleri birbirine yakın konumlandıran yapıdır.
- Anlamsal AramaYapay Zekâ ve Makine Öğrenmesi, s. 2Anlamsal arama, sonuçları birebir anahtar kelimelere değil anlama göre, genellikle sorgu ve belge embedding'lerini karşılaştırarak bulan arama tekniğidir.
Bu sayfada bir hata ya da eksik mi gördünüz?Düzeltme önerin