Học Không Giám Sát Là Gì? Giải Thích cho Người Mới Bắt Đầu
Học không giám sát (unsupervised learning) là phương pháp học máy tìm ra quy luật, nhóm hoặc cấu trúc bên trong dữ liệu không có nhãn hoặc câu trả lời đúng. Thay vì được cho biết mỗi ví dụ là gì, thuật toán kiểm tra dữ liệu thô và tìm các điểm tương đồng, khác biệt hoặc cách mô tả ngắn gọn.
Phiên bản đơn giản
Hãy tưởng tượng một chồng hồ sơ khách hàng không có hướng dẫn nào. Mô hình học không giám sát có thể nhóm những người có thói quen giống nhau, dù không ai cho biết trước các nhóm. Nó khám phá cách tổ chức bên trong dữ liệu, thay vì đối chiếu với đáp án đã biết.
Khác với học có giám sát
| Học có giám sát | Học không giám sát |
|---|---|
| Dùng dữ liệu gắn nhãn | Dùng dữ liệu không nhãn |
| Dự đoán đáp án đã biết | Tìm cấu trúc ẩn |
| Được dẫn dắt như thầy giáo | Tự khám phá |
| Phân loại và hồi quy | Phân cụm và giảm chiều |
Kỹ thuật phổ biến
- Phân cụm (clustering): nhóm các mục giống nhau, như phân khúc khách hàng.
- Giảm chiều: nén nhiều đặc trưng thành ít đặc trưng hơn.
- Luật kết hợp: tìm các mục thường xuất hiện cùng nhau.
- Phát hiện bất thường: đánh dấu điểm không theo quy luật chung.
Ví dụ sử dụng
- Phân khúc khách hàng để gửi thông điệp phù hợp hơn.
- Hệ thống gợi ý nhóm các sản phẩm tương tự.
- Phát hiện giao dịch khác thường có thể báo hiệu gian lận.
- Đơn giản hóa bộ dữ liệu lớn trước khi phân tích tiếp.
- Sắp xếp tài liệu hoặc hình ảnh theo đặc trưng chung.
Lợi ích và hạn chế
Học không giám sát hữu ích khi nhãn khan hiếm hoặc tốn kém, vì có thể làm việc với nhiều dữ liệu thô. Tuy nhiên không có đáp án sẵn để kiểm tra, nên kết quả khó đánh giá hơn và có thể phản ánh giả định của phương pháp được chọn. Các nhóm tìm được nên được diễn giải cẩn thận, không xem như sự thật chắc chắn.
FAQ
Nó dùng loại dữ liệu nào?
Dữ liệu không nhãn, trong đó đầu vào được cung cấp mà không có đáp án đúng hoặc danh mục gắn kèm.
Phân cụm là gì?
Kỹ thuật chia dữ liệu thành nhóm để các mục trong cùng một nhóm giống nhau hơn so với mục ở nhóm khác.
Vì sao khó đánh giá?
Vì không có đáp án gắn nhãn để so sánh, việc đánh giá thường dựa vào diễn giải hoặc mức độ hữu ích về sau.
Có thể phát hiện gian lận không?
Có, phát hiện bất thường có thể đánh dấu quy luật khác thường, dù các trường hợp bị đánh dấu thường cần con người xem lại.
Điểm chính
- Học không giám sát tìm cấu trúc trong dữ liệu không nhãn.
- Phân cụm và giảm chiều là kỹ thuật cốt lõi.
- Hữu ích khi không có nhãn, nhưng khó đánh giá hơn.
- Kết quả mang tính khám phá và cần được diễn giải cẩn thận.
Tiếp tục đọc AI tạo sinh là gì và mạng nơ-ron là gì.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free