Machine Learning Kochbuch

KAPITEL 19

Clustering

19.0Einführung

In einem großen Teil dieses Buchs haben wir überwachtes maschinelles Lernen betrachtet – wo wir sowohl auf die Merkmale als auch auf das Ziel Zugriff haben. Leider ist das nicht immer der Fall. Häufig haben wir es mit Situationen zu tun, in denen wir nur die Merkmale kennen. Stellen Sie sich zum Beispiel vor, Sie haben Datensätze mit den Umsätzen aus einem Lebensmittelgeschäft und möchten die Verkäufe danach aufteilen, ob der Käufer Mitglied eines Discount-Klubs ist oder nicht. Mit überwachtem Lernen wäre dies nicht möglich, weil uns das Ziel fehlt, um die Modelle zu trainieren und zu bewerten. Allerdings gibt es eine weitere Option: nicht überwachtes Lernen. Wenn das Verhalten der Discount-Klub-Mitglieder ...