అనధిక్షేపిత శిక్షణ ఖాళీ డేటా (లేబెల్లు లేనిది) లో నమూనాలు మరియు నిర్మాణాన్ని కనుగొంటుంది — సమూహాలను కనుగొనడం, కోణాలను తగ్గించడం లేదు విసంగతులను వేటెత్తుకోవడం దీనిని స్వయంగా చేస్తుంది. డేటా ఉన్నప్పటికీ లేబెల్లు లేనప్పుడు, దానిలో దొరికిన నిర్మాణాన్ని గుర్తించటానికి ఇది ఉపయోగించబడుతుంది.
అనధిక్షేపిత శిక్షణ ఎలా పనిచేస్తుంది
text
UNSUPERVISED → learn from data WITHOUT labels (no given correct answers):
→ the algorithm finds STRUCTURE/patterns in the data on its own
→ no 'right answer' to learn from → it discovers groupings, relationships, or representations
→ for: exploring data, finding hidden structure, when labels are unavailable/expensive
ప్రధాన అనధిక్షేపిత పనులు
text
CLUSTERING → group similar data points into clusters:
→ e.g. customer segmentation, grouping similar documents (k-means, hierarchical, DBSCAN)
DIMENSIONALITY REDUCTION → reduce features while preserving structure:
→ e.g. PCA → compress/visualize high-dimensional data; simplify for other models
ANOMALY DETECTION → find unusual/outlier data points:
→ e.g. fraud detection, defect detection, finding rare events
ASSOCIATION → find relationships (e.g. 'people who buy X also buy Y')