Unsupervised Learning
Questo articolo presenta una rassegna dei metodi tradizionali e attuali della classificazione del telaio nell'ambito del lavoro di apprendimento supervisionato, dell'analisi in particolare dei dati e delle reti neurali organizzative. Entrambi sono metodi di quantizzazione vettoriale che mirano a minimizzare la distanza tra un vettore di input e la sua rappresentazione. L'apprendimento non è supervisionato in quanto non viene assunta alcuna struttura di cluster predeterminata dei dati di input. Esiste una visione di cluster analista e di cluster di cluster, gerarchica e non gerarchica, il cui scopo è assegnare unità (oggetti) esatte (con un grado di appartenenza pari a 1) ai cluster; clustering fuzzy, in cui il grado di appartenenza di un'unità a un cluster può rimanere nell'intervallo [0; 1]; clustering di miscele, un clustering basato su modello che consiste nell'inserire un modello di miscela sui dati e identificare ciascun cluster con uno dei suoi componenti. Tutti questi metodi sono rivisti in tutte le varianti relative alla presenza di strutture complesse o di big data o alla presenza di valori anomali.