När du köper via affiliate-länkar på vår webbplats kan vi få en provision utan extra kostnad för dig. Läs mer om 
Vi utforskar oövervakad inlärning, en typ av maskininlärning där algoritmer identifierar mönster och relationer i data utan förinställda etiketter och regler.
Vad betyder “Unsupervised Learning”?
“Unsupervised learning” eller oövervakad inlärning är en metod som används för att göra det möjligt för artificiella intelligenser att klassificera både materiella och immateriella objekt utan att ge maskinerna någon förhandsinformation om objekten. De saker som maskiner behöver klassificera varierar, till exempel kunders köpvanor, bakteriers beteendemönster och hackerattacker.
Huvudidén bakom oövervakad inlärning är att utsätta maskinerna för stora mängder varierande data och låta dem lära sig och dra slutsatser av dessa data. Maskinerna måste dock först programmeras för att lära sig av data.
Techopedia förklarar oövervakad inlärning
Datorsystem behöver förstå stora volymer av både strukturerad och ostrukturerad data och ge insikter. I verkligheten är det kanske inte möjligt att tillhandahålla förhandsinformation om alla typer av data som ett datorsystem kan ta emot under en viss tidsperiod.
Med detta i åtanke kan det hända att övervakad inlärning inte är lämplig när datorsystem behöver konstant information om nya typer av data. Till exempel tenderar hackerattacker mot finansiella system eller bankservrar att ändra karaktär och mönster ofta, och oövervakad inlärning kan vara mer lämplig i sådana fall eftersom systemen måste kunna lära sig snabbt från attackdata och dra slutsatser om typer av framtida attacker och föreslå förebyggande åtgärder.
