unsupervised learning
Diese Seite wurde seit mehr als 7 Monaten inhaltlich nicht mehr aktualisiert. Unter Umständen ist sie nicht mehr aktuell.
BiblioMap 
Synonyme
unsupervised learning, unüberwachtes Lernen
Definitionen
Wenn dem Lernalgorithmus die richtige Lösung auf den
Trainingsdaten bekannt ist, spricht man von überwachtem
Lernen, sonst von unüberwachtem Lernen.Bei manchen Problemen ist es aber
nicht möglich, dem Netzwerk als "Aufseher" für jeden Datensatz mitzuteilen,
wie die korrekte Ausgabe auszusehen hat.
KI-Verfahren für solche Probleme bezeichnet
man als „unsupervised“.
Von Sebastian Stabinger im Text Zuckerbrot und Peitsche (2018) 
Unüberwachtes Lernen (unsupervised learning) findet ohne Feedback statt. Beispielsweise sucht das Netz nach Ähnlichkeiten in Bildern und erzeugt Klassen von ähnlichen Bildern. Diese Form des Lernens ist wie ein Blick in den Nachthimmel, bei dem man ohne die geringste Ahnung von Astronomie nach Mustern sucht.
Ist kein explizites Lernziel in den Daten vorhanden,
kann mit unüberwachtem Lernen eigenständig nach Mustern (z.B. verschiedene Gruppen) in Daten gesucht werden. Die Algorithmen bestimmen die zugrundeliegende Struktur des Datensatzes ohne
Informationen über Zielkriterien. Bei einer Reihe von Bildern könnte ein solcher Algorithmus beispielsweise
erkennen, dass die Objekte in den verschiedenen Bildern nicht identisch sind. Ohne die
Objekte zu kennen, können dann verschiedene Kategorien gebildet werden.
Bemerkungen
Unüberwachte maschinelle Lernverfahren werden häufig
verwendet, um Übersicht in riesigen Datenbanken
zu schaffen. Es ist also wie „Lernen ohne Lehrer“: Durch
Beobachtung werden Strukturen in den Daten gefunden.
Dies kann allerdings auch dazu führen, dass die Merkmale,
nach denen sortiert wird, gar nicht so viel Sinn
ergebenVerwandte Objeke
Verwandte Begriffe (Cozitation) | supervised learning, reinforcement learning, symbolische künstliche Intelligenz (GOFAI), deep learning,  machine learning |
Statistisches Begriffsnetz
Zitationsgraph
Zeitleiste
11 Erwähnungen
- Understanding Intelligence (Rolf Pfeifer, Christian Scheier) (1999)
- Supporting Student Self-regulation in Unsupervised Learning Environments (Paul Salvador Inventado, Masayuki Numao) (2012)
- Deep Learning in Neural Networks - An Overview (Preprint) (Jürgen Schmidhuber) (2015)
- Machine Platform Crowd - Wie wir das Beste aus unserer digitalen Zukunft machen (Andrew McAfee, Erik Brynjolfsson) (2017)
- The Fourth Education Revolution (Anthony Seldon, Oladimeji Abidoye) (2018)
- Zuckerbrot und Peitsche - Einer selbst gebauten KI per verstärkendem Lernen beibringen Pong zu spielen (Sebastian Stabinger) (2018)
- Wie Maschinen lernen - Künstliche Intelligenz verständlich erklärt (Kristian Kersting, Christoph Lampert, Constantin Rothkopf) (2019)
- 3. Maschinelles Lernen - Wie sich Computer an Probleme anpassen (Michael Krause, Elena Natterer)
- 23. No Free Lunch Theorem (Maike Elisa Müller)
- 3. Maschinelles Lernen - Wie sich Computer an Probleme anpassen (Michael Krause, Elena Natterer)
- Herausforderungen der künstlichen Intelligenz - Bericht der interdepartementalen Arbeitsgruppe «Künstliche Intelligenz» an den Bundesrat (Interdepartementale Arbeitsgruppe künstliche Intelligenz) (2019)
- Jahrbuch Medienpädagogik 17 - Lernen mit und über Medien in einer digitalen Welt (Klaus Rummler, Ilka Koppel, Sandra Aßmann, Patrick Bettinger, Karsten D. Wolf) (2020)
- Klick - Wie wir in einer digitalen Welt die Kontrolle behalten und die richtigen Entscheidungen treffen (Gerd Gigerenzer) (2021)
Biblionetz-History 
