Unsupervised learning is een trainingsaanpak waarbij een model ruwe data zonder labels krijgt en de opdracht zelf structuur te vinden. Niemand vertelt het wat het juiste antwoord is, dus zoekt het zelf naar natuurlijke groepen, patronen en uitschieters.
Een goede vergelijking is een doos losse foto’s sorteren zonder namen op de achterkant. Je zou ze alsnog op stapels leggen op locatie, mensen en kleur, puur op wat ze gemeen hebben. Unsupervised learning doet dat met data: het groepeert vergelijkbare klanten of pikt de ene transactie eruit die niet bij de rest past. Daardoor past het van nature bij anomaliedetectie en is het een duidelijke tegenhanger van supervised learning, waar elk voorbeeld een juist antwoord meekrijgt.
De methodes erachter hebben gewone namen zodra je ziet wat ze doen. Clustering stopt vergelijkbare items in dezelfde bak. Dimensiereductie knijpt een brede spreadsheet samen tot twee of drie getallen die je op een grafiek kunt zetten. Een streamingdienst gebruikt allebei tegelijk: hij groepeert kijkers met dezelfde smaak en gebruikt die groepen om de volgende serie voor te stellen. Niemand heeft je ooit bewust het label ‘fan van trage misdaadseries’ gegeven. Dat patroon rolde vanzelf uit de data.
De keerzijde is de interpretatie. Omdat er geen labels zijn, kan het model niet zeggen wat een groep betekent, alleen dat hij bestaat. Een mens moet alsnog naar de clusters kijken en bepalen dat ze bijvoorbeeld koopjesjagers tegenover trouwe vaste klanten voorstellen. Het model vindt dus de structuur, maar een mens moet die nog benoemen en bepalen wat je ermee doet.
Bij TopDevs grijpen we naar unsupervised learning als een klant veel data heeft maar nog geen duidelijke labels. We gebruiken het om de patronen boven water te halen waar iets mee te doen valt, voordat we in iets zwaarders investeren.
