परिचय:
कंप्यूटर पिछली रिकॉर्डिंग से पैटर्न और एल्गोरिदम का उपयोग करके सीख और ढल सकता है। स्पष्ट निर्देशों के बिना, आपका कंप्यूटर पिछले डेटा का विश्लेषण करके निष्कर्ष निकालता है और मौजूदा रिकॉर्ड की नींव पर भावी नतीजों का पूर्वानुमान लगाता है। लेकिन अनसुपरवाइज़्ड लर्निंग में, आपको सुपरवाइज़्ड मशीन लर्निंग की तरह लेबल किया हुआ डेटा देने या मशीन को प्रशिक्षित करने की आवश्यकता नहीं होती।
अनसुपरवाइज़्ड लर्निंग क्या है?
अनसुपरवाइज़्ड लर्निंग को अनसुपरवाइज़्ड मशीन लर्निंग भी कहा जाता है। अनसुपरवाइज़्ड लर्निंग में आपको डेटा को प्रशिक्षित करने की आवश्यकता नहीं होती। मशीन को दिया गया डेटा लेबल किया हुआ नहीं होता। मशीन इस बिना लेबल वाले डेटा से पैटर्न और अलग-अलग जानकारी का अनुमान खुद लगाती है। मशीन समाधान के लिए आवश्यक छिपे समूहों और अन्य जानकारी का अनुमान लगाती है।[1]
सुपरवाइज़्ड लर्निंग के कुछ उदाहरण क्या हैं?
सुपरवाइज़्ड लर्निंग के विपरीत, अनसुपरवाइज़्ड लर्निंग की रणनीतियाँ तब उपयुक्त होती हैं जब वेरिएबल (यानी लेबल) उपलब्ध नहीं कराए गए हों। K-Means क्लस्टरिंग, प्रिंसिपल कंपोनेंट एनालिसिस और हाइरार्किकल क्लस्टरिंग अनसुपरवाइज़्ड लर्निंग तकनीकों के उदाहरण हैं।
सुपरवाइज़्ड लर्निंग कैसे काम करती है?
जैसा कि ऊपर बताया गया है, अनसुपरवाइज़्ड लर्निंग में दिया गया डेटासेट ठीक से लेबल नहीं किया होता। इसका अर्थ है कि डेटा वर्गीकृत नहीं होता और डेटा को संबंधित आउटपुट नहीं दिए जाते। मशीन खुद को अपने आप प्रशिक्षित करती है। सबसे पहले, यह डेटा में छिपे पैटर्न खोजने के लिए कच्चे डेटा की व्याख्या करती है और उसके बाद डेटा पर उपयुक्त एल्गोरिदम लागू किया जाता है। एल्गोरिदम लागू हो जाने के बाद, डेटा ऑब्जेक्ट को समूहों की समानता के अनुसार समूहों में बाँट दिया जाता है।[2]
अनसुपरवाइज़्ड लर्निंग की श्रेणियाँ क्या हैं?
अनसुपरवाइज़्ड लर्निंग की निम्नलिखित श्रेणियाँ हैं।
- क्लस्टरिंग
- एसोसिएशन
सुपरवाइज़्ड लर्निंग के फ़ायदे क्या हैं?
- यह वह देखने में सक्षम है जो मानव मस्तिष्क नहीं देख सकता।
- इसका उपयोग व्यवसाय के लिए महत्वपूर्ण छिपी विशेषताओं को उजागर करने के लिए किया जा रहा है और इसके कई वास्तविक अनुप्रयोग हैं।
- एक अनियंत्रित कार्य के परिणामस्वरूप बिल्कुल नया कंपनी सेगमेंट या उद्यम बन सकता है।
- सुपरवाइज़्ड लर्निंग की समस्या की तुलना में इसमें जटिलता कम होगी। क्योंकि संबंधित लेबल समझने की किसी को ज़रूरत नहीं होती, इसलिए जटिलताएँ घट जाती हैं।
- डेटा सेट मिलना कहीं अधिक आसान है।
सुपरवाइज़्ड लर्निंग के नुकसान क्या हैं?
- यह अधिक महँगी है क्योंकि रुझानों को समझने और डोमेन विशेषज्ञता से उन्हें जोड़ने के लिए मानवीय भागीदारी की आवश्यकता हो सकती है।
- क्योंकि इसकी उपयोगिता को प्रमाणित करने के लिए कोई लेबल या आउटपुट मीट्रिक नहीं होता, इसलिए अक्सर यह सुनिश्चित नहीं होता कि उत्पन्न नतीजे फ़ायदेमंद होंगे।
- अनियंत्रित कार्य के प्रकार और आउटपुट को ठीक-ठीक परिभाषित नहीं किया जा सकता। यह डिज़ाइन पर और परिणामस्वरूप कंप्यूटर पर बहुत अधिक निर्भर करता है।
- नतीजों की सटीकता में अक्सर कमी रहती है।
निष्कर्ष:
अनसुपरवाइज़्ड लर्निंग एक मशीन लर्निंग दृष्टिकोण है जिसमें मॉडल को पर्यवेक्षण की आवश्यकता नहीं होती। अनसुपरवाइज़्ड मशीन लर्निंग डेटा में पहले से अनजान पैटर्न खोजने में मदद करती है।
- Pratt, M.K. unsupervised learning. यहाँ उपलब्ध: https://www.techtarget.com/searchenterpriseai/definition/unsupervised-learning.
- Unsupervised Machine Learning. यहाँ उपलब्ध: https://www.javatpoint.com/unsupervised-machine-learning.
आम अनसुपरवाइज़्ड लर्निंग कार्य
- क्लस्टरिंग: समान वस्तुओं को समूहित करना, उदाहरण के लिए मार्केटिंग के लिए ग्राहक सेगमेंट। लोकप्रिय एल्गोरिदम: k-means, हाइरार्किकल क्लस्टरिंग और DBSCAN।
- डाइमेंशनैलिटी रिडक्शन: संरचना को बनाए रखते हुए कई फ़ीचर को कुछ में संपीड़ित करना, PCA जैसी विधियों का उपयोग करके।
- एसोसिएशन रूल: अक्सर साथ खरीदी जाने वाली वस्तुएँ खोजना, जैसे मार्केट-बास्केट विश्लेषण में।
- विसंगति पहचान: असामान्य लेन-देन या सेंसर रीडिंग को पहचानना।
व्यावसायिक उदाहरण
एक रिटेलर खरीदारी के व्यवहार के आधार पर ग्राहकों को क्लस्टर करके ऑफ़र तैयार कर सकता है, एक दुकान यह पता लगा सकती है कि कौन-से उत्पाद साथ बिकते हैं ताकि उन्हें पास-पास रखा जा सके, और एक बैंक असामान्य कार्ड गतिविधि को चिह्नित कर सकता है। ऐसे रिटेल एनालिटिक्स हमारी AI एनालिटिक्स सेवा का हिस्सा हैं।
अनसुपरवाइज़्ड बनाम सुपरवाइज़्ड लर्निंग
सुपरवाइज़्ड लर्निंग को लेबल वाले डेटा की आवश्यकता होती है और यह एक ज्ञात उत्तर का पूर्वानुमान लगाती है; अनसुपरवाइज़्ड लर्निंग में कोई लेबल नहीं होते और यह छिपी संरचना की तलाश करती है। अंतर समझने के लिए सुपरवाइज़्ड लर्निंग और सेमी-सुपरवाइज़्ड लर्निंग पढ़ें।
त्वरित उत्तर
क्या क्लस्टरिंग सुपरवाइज़्ड है या अनसुपरवाइज़्ड?
क्लस्टरिंग अनसुपरवाइज़्ड है क्योंकि समूह खोजे जाते हैं, दिए नहीं जाते।
