unsupervised learning

Angol

Főnév

unsupervised learning (tsz. unsupervised learnings)

(informatika, mesterséges intelligencia) felügyelet nélküli tanulás

Az unsupervised learning, magyarul felügyelet nélküli tanulás a gépi tanulás egyik alapvető típusa, amelynél a rendszer címkézetlen adatokon tanul. Ez azt jelenti, hogy nincsenek előre meghatározott válaszok, a modellnek magának kell felfedeznie a rejtett mintázatokat, struktúrákat vagy csoportokat az adatokban.

Ez szemben áll a supervised learninggel, ahol bemenet–kimenet párok alapján tanítjuk a modellt.

🎯 Mikor használjuk?

Amikor nincsenek címkézett adataink
Amikor strukturálatlan vagy ismeretlen szerkezetű adatokkal dolgozunk
Felfedezés, mintafelismerés, tömörítés, dimenziócsökkentés céljából

🔍 Célja

Nem a „helyes válasz” megtanulása, hanem:

Adatcsoportosítás (klaszterezés)
Struktúra feltárás
Rejtett jellemzők azonosítása
Adatreprezentáció javítása

🧩 Tipikus feladatok

Feladat	Leírás
Clustering (klaszterezés)	Az adatok csoportokra osztása hasonlóság alapján
Dimenziócsökkentés	Az adatok tömörítése (pl. vizualizáció vagy gyorsítás céljából)
Anomáliadetektálás	Ritka vagy szokatlan minták azonosítása
Generatív modellek	Új adatok létrehozása a tanult eloszlás alapján

🧪 Klaszterezés: a legismertebb felhasználás

📘 Példa: K-means algoritmus

Válasszunk ki k klaszterközéppontot véletlenszerűen
Minden adatpontot rendeljünk a legközelebbi középponthoz
Számítsuk újra a középpontokat a hozzárendelt pontok alapján
Ismételjük a 2–3. lépést, amíg stabil nem lesz az eredmény

Alkalmazás: vásárlói szokások szerinti szegmentálás, képfeldolgozás, biológiai adatelemzés.

📉 Dimenziócsökkentés

Amikor nagyon sok jellemzőnk van (pl. képeknél 1000+ pixel), szeretnénk ezeket alacsonyabb dimenziójú térbe leképezni, hogy:

megőrizzük a lényeget,
gyorsabban tanuljunk,
vizualizálhassuk 2D vagy 3D térben.

✨ Leggyakoribb módszerek:

Módszer	Leírás
PCA	Lineáris transzformáció, a variancia maximálására épül
t-SNE	Nemlineáris, helyi hasonlóságokra optimalizál
UMAP	Gyors és globálisan konzisztens vizualizációs eszköz

🔐 Anomáliadetektálás

Az anomáliák olyan adatok, amelyek nem illenek a többi mintához.

Példaalkalmazások:

Csalásfelderítés (banki tranzakcióknál)
Betegség korai felismerése
Hálózati behatolások észlelése

🧠 Generatív modellek (unsupervised alapon tanulnak)

Modell	Leírás
Autoencoder	A bemenetet tömöríti, majd újraépíti – kényszerítve a hálót a lényeg megtanulására
GAN (Generative Adversarial Network)	Képes új képeket, zenéket, szövegeket generálni
VAE (Variational Autoencoder)	Statikus eloszlás alapján tanul reprezentációt generálni

🛠️ Egyszerű K-means Python kódban

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

X, _ = make_blobs(n_samples=300, centers=3, cluster_std=0.60)

kmeans = KMeans(n_clusters=3)
kmeans.fit(X)
y_kmeans = kmeans.predict(X)

plt.scatter(X[:, 0], X[:, 1], c=y_kmeans)
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], c='red')
plt.show()

✅ Előnyök

Nem igényel címkéket – olcsóbb és gyorsabb
Felfedező jellegű – segít megérteni az adatok szerkezetét
Alkalmas tömörítésre és vizualizációra
Jó kiindulópont más tanulási módszerekhez

⚠️ Hátrányok

Nem tudjuk “milyen jó” a tanulás – nincs referenciaérték
Az eredmény szubjektív – a klaszterek értelmezése domainfüggő
Érzékeny az adateloszlásra és zajra
Nem determinisztikus eredmények – különböző futtatásnál különbözhet az eredmény

🧾 Összefoglalás

Tulajdonság	Részletek
Definíció	Olyan tanulás, ahol nincs címkézett kimenet – a rendszer maga talál struktúrákat
Fő módszerek	K-means, PCA, autoencoder, t-SNE, GAN
Felhasználás	Klaszterezés, tömörítés, anomáliák, új minta generálás
Előny	Címkézetlen adatokkal működik, minta-felfedező képesség
Hátrány	Az eredmény nehezen ellenőrizhető, gyakran homályos értelmezés

További információk

unsupervised learning - Szótár.net (en-hu)
unsupervised learning - Sztaki (en-hu)
unsupervised learning - Merriam–Webster
unsupervised learning - Cambridge
unsupervised learning - WordNet
unsupervised learning - Яндекс (en-ru)
unsupervised learning - Google (en-hu)
unsupervised learning - Wikidata
unsupervised learning - Wikipédia (angol)