Читать книгу Deep Learning illustriert - Jon Krohn - Страница 56

Probleme des Unsupervised Learning (unüberwachtes Lernen) unterscheiden sich von Problemen des Supervised Learning durch das Fehlen eines Labels y. Das heißt, beim Unsupervised Learning haben wir irgendwelche Daten x, die wir in ein Modell setzen, aber wir haben kein Ergebnis y zum Vorhersagen. Stattdessen besteht unser Ziel darin, das Modell selbst eine verborgene Struktur entdecken zu lassen, die unseren Daten zugrunde liegt. Ein oft verwendetes Beispiel dafür ist das Gruppieren von Nachrichtenartikeln nach ihren Themen. Anstatt eine vordefinierte Liste von Kategorien anzubieten, zu denen die Artikel gehören (Politik, Sport, Finanzen usw.), konfigurieren wir das Modell so, dass es automatisch Artikel mit ähnlichen Themen gruppiert. Andere Beispiele für Unsupervised Learning wären die Erzeugung eines Wortvektorraums (siehe Kapitel 2) aus natürlichsprachigen Daten (Sie werden dies in Kapitel 11 tun) oder das Erschaffen neuartiger Bilder mit einem GAN (Generative Adversarial Network; das erwartet Sie in Kapitel 12).