التعلم غير الخاضع للإشرافإنها طريقة تعلم لا توفر التعريف الفئوي المقابل لمجموعة التدريب وعادة ما تكون قابلة للتطبيق في المواقف التي توجد فيها مجموعة بيانات ولكن لا توجد تسميات.

ميزات التعلم غير الخاضع للإشراف

• البيانات المستخدمة غير مُسمّاة، أي أن نتيجة الإخراج المقابلة لبيانات الإدخال غير معروفة، ولا يمكنها إلا العثور على نماذج البيانات والقواعد بنفسها، مثل التجميع واكتشاف الشذوذ؛
• غرضه هو تصنيف البيانات الأصلية من أجل فهم البنية الداخلية للبيانات؛
• أثناء التعلم، من غير المعروف ما إذا كانت نتيجة التصنيف صحيحة أم لا، أي أنه لا يتم تلقي أي تعزيز خاضع للإشراف؛
• يتم تغذية هذه الشبكة فقط بأمثلة الإدخال، وتقوم تلقائيًا بالعثور على قواعد الفئة الكامنة من هذه الأمثلة، وتتعلمها وتختبرها، ثم تطبقها على حالات جديدة.

ينقسم التعلم الآلي حاليًا إلى التعلم الخاضع للإشراف، والتعلم غير الخاضع للإشراف، والتعلم شبه الخاضع للإشراف، ومعايير التصنيف هي ما إذا كانت عينات التدريب تحتوي على نتائج مصنفة بواسطة الإنسان.

المصطلحات ذات الصلة: التعلم الخاضع للإشراف، التعلم شبه الخاضع للإشراف

الكلمات الفرعية: خوارزمية Apriori، خوارزمية K-Means