Unsupervised Learning

Unüberwachtes Lernen ist eine Art des maschinellen Lernens, bei der ein Algorithmus ohne menschliches Eingreifen Muster aus ungetaggten Daten lernt. Im Gegensatz zum überwachten Lernen, das sich auf markierte Eingabe-Ausgabe-Paare stützt, um ein Modell zu trainieren, befasst sich unüberwachtes Lernen mit Daten, die keine historischen Labels haben. Das System versucht im Wesentlichen, sich selbst zu unterrichten, indem es verborgene Strukturen, Muster oder Beziehungen innerhalb der Eingabedaten entdeckt. Dieser Ansatz ist besonders wertvoll, da der Großteil der heute generierten Daten—Bilder, Videos, Texte und Sensorprotokolle—unstrukturiert und unbeschriftet ist.

Link to this sectionWie unüberwachtes Lernen funktioniert#

In unüberwachten Szenarien ist der Algorithmus auf sich allein gestellt, um interessante Strukturen in den Daten zu entdecken. Das Ziel ist oft, die zugrunde liegende Verteilung der Daten zu modellieren oder mehr über die Daten selbst zu erfahren. Da während des Trainings keine „richtigen Antworten“ bereitgestellt werden, kann das Modell nicht im herkömmlichen Sinne auf Genauigkeit bewertet werden. Stattdessen wird die Leistung oft daran gemessen, wie gut das Modell die Dimensionalität reduziert oder ähnliche Datenpunkte gruppiert.

Diese Methodik spiegelt wider, wie Menschen oft neue Konzepte lernen. Ein Kind kann zum Beispiel zwischen Hunden und Katzen unterscheiden, indem es deren unterschiedliche Formen und Verhaltensweisen beobachtet, ohne unbedingt die Namen „Hund“ und „Katze“ von Anfang an zu kennen. Ähnlich gruppieren unüberwachte Algorithmen Informationen auf der Grundlage inhärenter Ähnlichkeiten. Diese Fähigkeit ist grundlegend für die Entwicklung der künstlichen allgemeinen Intelligenz (AGI), da sie es Systemen ermöglicht, sich ohne ständige menschliche Aufsicht an neue Umgebungen anzupassen.

Link to this sectionWichtige Techniken beim unüberwachten Lernen#

Unüberwachtes Lernen umfasst verschiedene Techniken, von denen jede für unterschiedliche Arten von Datenanalyseproblemen geeignet ist:

• Clustering: Dies ist die häufigste Anwendung, bei der der Algorithmus Datenpunkte gruppiert, die einander ähnlich sind. Eine beliebte Methode ist K-Means-Clustering, das Daten basierend auf Merkmalsähnlichkeit in k verschiedene Gruppen unterteilt. Dies wird häufig in der Marktsegmentierung eingesetzt, um Kundengruppen mit ähnlichem Kaufverhalten zu identifizieren.
• Dimensionsreduktion: Hochdimensionale Daten können komplex und rechenintensiv zu verarbeiten sein. Techniken wie die Hauptkomponentenanalyse (PCA) reduzieren die Anzahl der Variablen in einem Datensatz, während sie dessen wesentliche Informationen bewahren. Dies vereinfacht die Datenvisualisierung und beschleunigt das Training anderer Modelle des maschinellen Lernens.
• Anomalieerkennung: Indem unüberwachte Modelle lernen, wie „normale“ Daten aussehen, können sie Ausreißer identifizieren, die erheblich von der Norm abweichen. Dies ist entscheidend für die Betrugserkennung im Finanzwesen, wo ungewöhnliche Transaktionsmuster Sicherheitswarnungen auslösen.
• Assoziationsregel-Lernen: Diese Technik entdeckt interessante Beziehungen zwischen Variablen in großen Datenbanken. Sie wird bekanntlich für die Warenkorbanalyse verwendet und hilft Einzelhändlern zu verstehen, dass Kunden, die Brot kaufen, wahrscheinlich auch Butter kaufen.

Link to this sectionUnüberwachtes vs. überwachtes Lernen#

Es ist wichtig, zwischen unüberwachtem Lernen und überwachtem Lernen zu unterscheiden. Der Hauptunterschied liegt in den verwendeten Daten. Überwachtes Lernen erfordert einen markierten Datensatz, was bedeutet, dass jedes Trainingsbeispiel mit einer korrekten Ausgabe gepaart ist (z. B. ein Bild einer Katze mit der Bezeichnung „Katze“). Das Modell lernt, Eingaben auf Ausgaben abzubilden, um Fehler zu minimieren.

Im Gegensatz dazu verwendet unüberwachtes Lernen unmarkierte Daten. Es gibt keinen Feedback-Loop, der dem Modell mitteilt, ob seine Ausgabe korrekt ist. Es gibt einen Mittelweg, das sogenannte halbüberwachte Lernen, das eine kleine Menge markierter Daten mit einer großen Menge unmarkierter Daten kombiniert, um die Lerngenauigkeit zu verbessern; dies wird oft verwendet, wenn das Markieren von Daten teuer oder zeitaufwendig ist.

Link to this sectionPraxisanwendungen#

Unüberwachtes Lernen treibt viele Technologien an, denen wir täglich begegnen. Hier sind zwei konkrete Beispiele:

1. Kundensegmentierung im Einzelhandel: E-Commerce-Plattformen analysieren Millionen von Benutzerinteraktionen ohne vordefinierte Kategorien. Mithilfe von Clustering-Algorithmen identifizieren sie unterschiedliche Benutzer-Personas—wie „Wochenend-Schnäppchenjäger“ oder „Technik-Enthusiasten“. Dies ermöglicht hochgradig personalisierte Marketingkampagnen und Empfehlungssysteme, was das Kundenerlebnis erheblich verbessert.

2. Genomsequenzanalyse: In der Bioinformatik nutzen Forscher unüberwachtes Lernen, um genetische Daten zu analysieren. Algorithmen gruppieren DNA-Sequenzen, um ähnliche genetische Marker oder Mutationen in verschiedenen Populationen zu finden. Dies hilft dabei, evolutionäre Beziehungen zu verstehen und genetische Prädispositionen für Krankheiten zu identifizieren, ohne dass Vorkenntnisse über jede spezifische Genfunktion erforderlich sind.

Link to this sectionCode-Beispiel: Clustering mit Scikit-Learn#

Während Ultralytics YOLO26 primär ein Framework für überwachte Objekterkennung ist, werden unüberwachte Techniken oft in den Vorverarbeitungsschritten verwendet, beispielsweise bei der Analyse von Anchor-Box-Verteilungen oder beim Clustern von Datensatzmerkmalen. Nachfolgend findest du ein einfaches Beispiel mit sklearn, um K-Means-Clustering durchzuführen, eine grundlegende unüberwachte Technik.

import numpy as np
from sklearn.cluster import KMeans

# Generate synthetic data: 10 points with 2 features each
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])

# Initialize KMeans with 2 clusters (k=2)
kmeans = KMeans(n_clusters=2, random_state=0, n_init="auto")

# Fit the model to the data (no labels provided!)
kmeans.fit(X)

# Predict which cluster each point belongs to
print(f"Labels: {kmeans.labels_}")
# Output will group the first 3 points together (0) and the last 3 together (1)

Link to this sectionDie Rolle von unüberwachtem Lernen beim Deep Learning#

Modernes Deep Learning (DL) integriert zunehmend unüberwachte Prinzipien. Techniken wie selbstüberwachtes Lernen (SSL) ermöglichen es Modellen, ihre eigenen Überwachungssignale aus den Daten zu generieren. Zum Beispiel werden in der natürlichen Sprachverarbeitung (NLP) Modelle wie GPT-4 auf riesigen Textmengen vorab trainiert, um das nächste Wort in einem Satz vorherzusagen, wodurch sie effektiv die Struktur der Sprache ohne explizite Labels lernen.

Ähnlich werden in der Computer Vision (CV) Autoencoder verwendet, um effiziente Datenkodierungen zu lernen. Diese neuronalen Netze komprimieren Bilder in eine niederdimensionale Repräsentation und rekonstruieren sie dann. Dieser Prozess lehrt das Netzwerk die markantesten Merkmale der visuellen Daten, was für Aufgaben wie Bildentrauschung und generative Modellierung nützlich ist.

Für diejenigen, die Datensätze für das Training verwalten möchten, bietet die Ultralytics Platform Tools zur Visualisierung von Datenverteilungen, die dabei helfen können, Cluster oder Anomalien zu identifizieren, bevor der überwachte Trainingsprozess beginnt. Die Struktur deiner Daten durch unüberwachte Exploration zu verstehen, ist oft der erste Schritt zum Aufbau robuster KI-Lösungen.