Apprendimento non supervisionato (clustering, riduzione dimensionale)

Cos'è

L'apprendimento non supervisionato cerca struttura in dati senza etichette. Il clustering raggruppa esempi simili (clienti con abitudini simili). La riduzione di dimensionalità comprime molte feature in poche che conservano quasi tutta l'informazione, ed è anche il modo per disegnare un dataset su un grafico piatto.

A cosa serve

Esplorare dati che non capisci ancora, trovare gruppi senza deciderli prima, individuare casi insoliti, comprimere i dati e creare feature per un altro modello. Le etichette costano: questa è la parte del machine learning che funziona senza.

Come si fa

Il processo, passo per passo. Librerie e strumenti cambiano; questi passi restano.

1. Scegli e riscala le feature, perché le distanze dipendono dalla loro scala.
2. Per trovare gruppi, esegui un metodo di clustering (per esempio k-means) con diversi numeri di gruppi.
3. Giudica i gruppi con un punteggio come la silhouette e soprattutto guardando qualche esempio di ciascuno: significano qualcosa per una persona?
4. Per vedere i dati, riducili a due dimensioni (per esempio con la PCA) e disegnali, colorando con ciò che già sai.
5. Tratta il risultato come un'ipotesi, non come un fatto: metodi e impostazioni diversi danno gruppi diversi.
6. Se i gruppi sono utili, dai loro un nome e confrontali con esiti reali o con un esperto.