Unsupervised Learning

Definition

Unüberwachtes Lernen ist eine ML-Methode, bei der der Algorithmus auf ungelabelten Daten trainiert wird – es werden also keine vorgegebenen richtigen Antworten geliefert. Das System muss selbst Strukturen, Muster oder Zusammenhänge in den Eingabedaten entdecken. Im Gegensatz zum überwachten Lernen gibt es hier kein direktes richtig oder falsch vom Trainer. Unüberwachtes Lernen zielt oft darauf ab, verborgene Cluster, Gruppierungen oder Datenverteilungen zu finden oder die Dimensionalität der Daten zu reduzieren (für Visualisierung oder Vorverarbeitung).

Methoden und Beispiele

Typische Aufgabentypen unüberwachten Lernens sind:

• Clustering (Clustern): Der Algorithmus gruppiert Datenpunkte, die sich ähnlich sind. Beispiel: Eine Marketinganalyse hat Kundendaten (Alter, Kaufverhalten etc.) ohne Labels. Clustering kann herausfinden, dass es vielleicht 3 Hauptkundengruppen gibt (z. B. "junge Schnäppchenjäger", "familienorientierte Käufer", "Luxussegment"). Verfahren: k-Means, Hierarchisches Clustering etc.

• Dimensionsreduktion: Viele Daten haben sehr hohe Dimensionalität (z. B. pixelweise Bilddaten). Unüberwachte Techniken wie PCA (Principal Component Analysis) oder t-SNE versuchen, die wesentlichen Variablen herauszudestillieren bzw. die Daten in weniger Dimensionen so abzubilden, dass möglichst viel Information erhalten bleibt. Das hilft bei Visualisierung oder Rauschen entfernen.

• Assoziationsanalyse: Finden von Regeln, welche Merkmale häufig zusammen auftreten. Bekanntes Beispiel: Warenkorbanalysen im Einzelhandel (“Kunden, die Produkt A kauften, kauften auch B”).

• Generative Modelle: Modelle wie Autoencoder oder GANs lernen die Verteilung der Eingabedaten, um neue ähnliche Daten zu erzeugen oder Anomalien zu entdecken (ein Autoencoder lernt z. B. eine komprimierte Darstellung der Daten – kann verwendet werden, um Ausreißer zu erkennen, die sich nicht gut komprimieren lassen).

Vorteile und Herausforderungen

Unüberwachtes Lernen ist besonders nützlich, wenn keine oder nur wenig gelabelte Daten vorliegen – was in vielen realen Fällen so ist, da Labelerstellung teuer sein kann. Es kann verborgene Strukturen enthüllen, an die man vorher nicht gedacht hat. Allerdings ist die Auswertung oft schwieriger: Da kein klares Ziel vorgegeben ist, muss der Mensch die entdeckten Strukturen interpretieren und bewerten, ob sie sinnvoll sind. Zwei Menschen könnten unterschiedliche Clusterlösungen verschieden deuten. Zudem kann es passieren, dass ein Algorithmus triviale oder für die Fragestellung irrelevante Muster findet – menschliches Fachwissen ist wichtig, um Ergebnisse zu validieren.

Anwendungsfälle

• Datenexploration: In unbekannten Datensätzen nutzt man unüberwachtes Lernen, um erstmal ein Gefühl für mögliche Gruppierungen oder Beziehungen zu bekommen (z. B. Segmentierung von Nutzerverhalten auf einer Website ohne vorab definierte Kategorien).

• Anomalieerkennung: Hier lernt ein Modell implizit, was "normal" ist (ohne dass "normal" gelabelt wäre). Alles was deutlich davon abweicht, wird als Anomalie markiert. Z. B. in der Netzwerksicherheit (auffällige Zugriffsmuster erkennen) oder in der Qualitätsprüfung (Ausschussteile anhand ungewöhnlicher Sensorprofile erkennen).

• Feature Learning: Unüberwachtes Vortraining – neuronale Netze können zuerst unüberwacht Muster lernen (z. B. Autoencoder), die dann für ein überwachtes Feintuning verwendet werden. So nutzt man große Mengen ungelabelter Daten, um dem Modell schonmal eine Grundstruktur zu geben (Pretraining).

• Bioinformatik: Clustering von Genexpressionsdaten, um neue Zelltypen oder Krankheitsgruppen zu entdecken, ohne dass vorher bekannt ist, wie viele Gruppen oder welche vorhanden sind.