Học không giám sát gồm những phần chính nào?

• Dữ liệu lẫn lộn
• Chương trình
• Các nhóm tìm được

Bạn sẽ học được gì

• Giải thích dữ liệu không có nhãn là gì và học không giám sát dùng nó ra sao.
• Gọi tên ba nhiệm vụ mà tổng quan IBM nêu cho học không giám sát.
• Nêu một ví dụ đời thường cho mỗi nhiệm vụ.

Cần biết trước

Hãy đọc bài đầu tiên về trí tuệ nhân tạo để biết học máy là gì.

Học không giám sát làm việc với loại dữ liệu nào?

Học không giám sát làm việc với dữ liệu không có nhãn, tức là các ví dụ không kèm đáp án. Hãy hình dung nhãn như một tấm thẻ tên. Hộp ảnh có thẻ tên trên từng tấm là có nhãn. Hộp ảnh không có thẻ nào là không có nhãn.

Trong học máy không giám sát, chương trình tìm các mẫu trong dữ liệu không có nhãn. Học có giám sát thì khác, vì thuật toán học có giám sát dùng dữ liệu có nhãn.

• Có nhãn (có thẻ)
• Không có nhãn (không thẻ)

Chương trình có thể tìm ra các mẫu hoặc xu hướng mà con người không chủ động tìm. Giả sử nó xem dữ liệu bán hàng trực tuyến. Nó có thể nhận ra các kiểu khách hàng mua hàng khác nhau.

Phân cụm là gì?

Phân cụm là kỹ thuật khai phá dữ liệu gom dữ liệu không có nhãn thành nhóm dựa trên điểm giống hoặc khác nhau của chúng. Hãy nghĩ đến việc xếp một đống cúc áo lẫn lộn. Bạn xếp cúc tròn với nhau, cúc vuông với nhau, và không ai nói trước các nhóm đó.

NIST nêu một ví dụ là học một hàm để phân cụm hoặc gom nhóm các điểm dữ liệu. Tổng quan IBM đưa Google News làm ví dụ về việc dùng học không giám sát để gom các bài báo về cùng một câu chuyện từ nhiều trang tin trực tuyến.

• Nhóm hình tròn
• Nhóm hình vuông
• Nhóm hình tam giác

Luật kết hợp là gì?

IBM mô tả khai phá luật kết hợp là phương pháp dựa trên quy tắc để tìm mối quan hệ giữa các biến trong một tập dữ liệu. Ở cửa hàng, một biến có thể là một món hàng; phương pháp này tìm những món hay đi cùng nhau, còn một luật kết hợp diễn đạt một mối quan hệ như vậy.

Các phương pháp này thường được dùng để phân tích giỏ hàng, giúp doanh nghiệp hiểu rõ hơn mối quan hệ giữa các sản phẩm khác nhau.

• Món thứ nhất
• Món thứ hai
• Món thứ ba

Giảm chiều dữ liệu là gì?

Giảm chiều dữ liệu được dùng khi số đặc trưng, hay số chiều, của một tập dữ liệu quá cao. Một cách minh họa đơn giản là chọn bớt đặc trưng; các kỹ thuật khác, như PCA, biến đổi dữ liệu thành cách biểu diễn mới.

Kỹ thuật này thu số lượng đầu vào dữ liệu về mức dễ quản lý, đồng thời giữ tính toàn vẹn của tập dữ liệu ở mức tối đa có thể. Hãy hình dung một phiếu dài nhiều ô, trong đó chỉ giữ lại những ô hữu ích nhất.

• Nhiều chi tiết
• Phễu thu gọn
• Ít chi tiết hơn

Ví dụ trong đời sống

Hãy thử cùng người lớn. Dùng những tờ giấy có màu hoặc hình vẽ khác nhau rồi tự xếp thành nhóm, không đặt tên nhóm từ trước. Đây là cách minh họa việc tìm nhóm bằng tay. Nhờ một bạn xếp lại cùng những tờ giấy ấy, rồi so sánh tiêu chí mà mỗi người chọn.

Hiểu lầm thường gặp

Học không giám sát không cần đến ai cả. IBM nêu một thách thức là cần con người can thiệp để kiểm tra các biến đầu ra.

Các nhóm luôn đi kèm lời giải thích rõ ràng. IBM nêu thêm một thách thức là thiếu minh bạch về cơ sở mà dữ liệu được phân cụm.

Phân cụm là toàn bộ học không giám sát. IBM nêu phân cụm cùng luật kết hợp và giảm chiều dữ liệu trong nhóm ba nhiệm vụ chính mà tổng quan này mô tả.

Câu hỏi thường gặp

Học có giám sát và học không giám sát khác nhau thế nào?

Thuật toán học có giám sát dùng dữ liệu có nhãn. Thuật toán học không giám sát làm việc với dữ liệu không có nhãn.

Ví dụ về học không giám sát là gì?

Một chương trình không giám sát có thể xem dữ liệu bán hàng trực tuyến và nhận ra các kiểu khách hàng mua hàng khác nhau. Tổng quan IBM cũng đưa Google News làm ví dụ về việc gom các bài báo cùng câu chuyện.

Phân cụm có giống phân loại không?

Không. Phân cụm tìm các nhóm trong dữ liệu không có nhãn. Học có giám sát, được giải thích ở bài riêng, dùng dữ liệu đã có nhãn.

Tóm tắt

• Học không giám sát tìm các mẫu trong dữ liệu không có nhãn.
• Tổng quan IBM nêu ba nhiệm vụ chính: phân cụm, luật kết hợp và giảm chiều dữ liệu.
• Thách thức gồm việc cần người kiểm tra đầu ra và thiếu minh bạch về cách dữ liệu được phân cụm.