Please enable JavaScript.
Coggle requires JavaScript to display documents.
Aprendizaje No Supervisado - Coggle Diagram
Aprendizaje No Supervisado
Características
Se utiliza para explorar datos desconocidos
Utiliza datos sin etiquetar
Se ustiliza para revelar patrones
Se utilizan para agrupar los datos no estructurados según sus similitudes
Tipos
Agrupamiento
Fuzzy C-Means.
K Means
Agrupación jerárquica.
Modelos de mezcla gaussiana
Asociación
permiten establecer asociaciones entre objetos de datos dentro de grandes bases de datos
Aplicaciones
La agrupación en clústeres divide automáticamente el conjunto de datos en grupos en función de sus similitudes.
La detección de anomalías puede descubrir puntos de datos inusuales en su conjunto de datos. Es útil para encontrar transacciones fraudulentas.
La minería de asociaciones identifica conjuntos de elementos que a menudo aparecen juntos en su conjunto de datos.
Los modelos de variables latentes se utilizan ampliamente para el preprocesamiento de datos. Como reducir el número de características en un conjunto de datos o descomponer el conjunto de datos en múltiples componentes.
Desventajas
La menor precisión de los resultados se debe a que los datos de entrada no son conocidos y no están etiquetados por la gente de antemano.
El usuario necesita dedicar tiempo a interpretar y etiquetar las clases que siguen la clasificación