Unsupervised Learning

L'apprendimento non supervisionato è una tipologia di machine learning in cui un algoritmo apprende pattern da dati non etichettati senza intervento umano. A differenza dell'apprendimento supervisionato, che si basa su coppie input-output etichettate per addestrare un modello, l'apprendimento non supervisionato gestisce dati che non hanno etichette storiche. Il sistema tenta essenzialmente di autoistruirsi scoprendo strutture, pattern o relazioni nascoste all'interno dei dati di input. Questo approccio è particolarmente prezioso poiché la stragrande maggioranza dei dati generati oggi — immagini, video, testi e log di sensori — non è strutturata e non è etichettata.

Come funziona l'apprendimento non supervisionato#

Negli scenari non supervisionati, l'algoritmo viene lasciato a se stesso per scoprire strutture interessanti nei dati. L'obiettivo è spesso modellare la distribuzione sottostante dei dati o imparare di più sui dati stessi. Poiché durante l'addestramento non vengono fornite "risposte corrette", il modello non può essere valutato in base all'accuratezza nel senso tradizionale. Invece, le prestazioni vengono spesso misurate in base a quanto bene il modello riduce la dimensionalità o raggruppa insieme punti dati simili.

Questa metodologia rispecchia il modo in cui gli umani spesso imparano nuovi concetti. Ad esempio, un bambino può distinguere tra cani e gatti osservando le loro diverse forme e comportamenti senza necessariamente conoscere inizialmente i nomi "cane" e "gatto". Allo stesso modo, gli algoritmi non supervisionati raggruppano le informazioni in base a somiglianze intrinseche. Questa capacità è fondamentale per lo sviluppo della artificial general intelligence (AGI), poiché consente ai sistemi di adattarsi a nuovi ambienti senza una costante supervisione umana.

Tecniche chiave nell'apprendimento non supervisionato#

L'apprendimento non supervisionato comprende diverse tecniche distinte, ognuna adatta a diversi tipi di problemi di analisi dei dati:

• Clustering: Questa è l'applicazione più comune, in cui l'algoritmo raggruppa punti di dati simili tra loro. Un metodo popolare è il K-Means clustering, che partiziona i dati in k gruppi distinti in base alla somiglianza delle caratteristiche. Questo è ampiamente utilizzato nella segmentazione del mercato per identificare gruppi di clienti con comportamenti di acquisto simili.
• Riduzione della dimensionalità: I dati ad alta dimensionalità possono essere complessi e computazionalmente costosi da elaborare. Tecniche come la Principal Component Analysis (PCA) riducono il numero di variabili in un set di dati preservando le informazioni essenziali. Questo semplifica la data visualization e accelera l'addestramento di altri modelli di machine learning.
• Rilevamento delle anomalie: Imparando l'aspetto dei dati "normali", i modelli non supervisionati possono identificare valori anomali che si discostano significativamente dalla norma. Questo è fondamentale per il fraud detection in finance, dove pattern di transazione insoliti attivano avvisi di sicurezza.
• Apprendimento delle regole di associazione: Questa tecnica scopre relazioni interessanti tra le variabili in database di grandi dimensioni. È famosamente utilizzata per l'analisi del carrello della spesa (market basket analysis), aiutando i rivenditori a capire che i clienti che acquistano pane hanno anche probabilità di acquistare burro.

Apprendimento non supervisionato vs. supervisionato#

È importante distinguere l'unsupervised learning dal supervised learning. La differenza principale risiede nei dati utilizzati. Il supervised learning richiede un labeled dataset, il che significa che ogni esempio di addestramento è associato a un output corretto (ad esempio, l'immagine di un gatto etichettata come "gatto"). Il modello impara a mappare gli input sugli output per ridurre al minimo l'errore.

Al contrario, l'unsupervised learning utilizza dati non etichettati. Non esiste un ciclo di feedback che dica al modello se il suo output è corretto. Esiste una via di mezzo chiamata semi-supervised learning, che combina una piccola quantità di dati etichettati con una grande quantità di dati non etichettati per migliorare la precisione dell'apprendimento, spesso utilizzata quando l'etichettatura dei dati è costosa o richiede molto tempo.

Applicazioni nel mondo reale#

L'apprendimento non supervisionato alimenta molte tecnologie che incontriamo quotidianamente. Ecco due esempi concreti:

1. Segmentazione della clientela nel retail: Le piattaforme di e-commerce analizzano milioni di interazioni utente senza categorie predefinite. Utilizzando algoritmi di clustering, identificano personas utente distinte, come "cacciatori di affari del fine settimana" o "appassionati di tecnologia". Ciò consente campagne di marketing altamente personalizzate e recommendation systems, migliorando significativamente l'esperienza del cliente.

2. Analisi delle sequenze genomiche: Nella bioinformatica, i ricercatori utilizzano l'apprendimento non supervisionato per analizzare i dati genetici. Gli algoritmi raggruppano le sequenze di DNA per trovare marcatori genetici o mutazioni simili in diverse popolazioni. Ciò aiuta a comprendere le relazioni evolutive e a identificare le predisposizioni genetiche alle malattie senza bisogno di una conoscenza preventiva di ogni specifica funzione genica.

Esempio di codice: Clustering con Scikit-Learn#

Sebbene Ultralytics YOLO26 sia principalmente un framework di object detection supervisionato, le tecniche non supervisionate vengono spesso utilizzate nelle fasi di pre-elaborazione, come l'analisi delle distribuzioni di anchor box o il clustering delle caratteristiche del dataset. Di seguito è riportato un semplice esempio che utilizza sklearn per eseguire il clustering K-Means, una tecnica non supervisionata fondamentale.

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)

Il ruolo dell'apprendimento non supervisionato nel Deep Learning#

Il moderno deep learning (DL) sta integrando sempre più i principi non supervisionati. Tecniche come il Self-Supervised Learning (SSL) consentono ai modelli di generare i propri segnali di supervisione dai dati. Ad esempio, nel Natural Language Processing (NLP), modelli come GPT-4 vengono pre-addestrati su vaste quantità di testo per prevedere la parola successiva in una frase, imparando efficacemente la struttura del linguaggio senza etichette esplicite.

Allo stesso modo, nella computer vision (CV), gli autoencoder vengono utilizzati per apprendere codifiche di dati efficienti. Queste reti neurali comprimono le immagini in una rappresentazione a dimensionalità inferiore e poi le ricostruiscono. Questo processo insegna alla rete le caratteristiche più salienti dei dati visivi, utili per attività come l'image denoising e la modellazione generativa.

Per chi desidera gestire dataset per l'addestramento, l'Ultralytics Platform offre strumenti per visualizzare le distribuzioni dei dati, utili per identificare cluster o anomalie prima che inizi il processo di addestramento supervisionato. Comprendere la struttura dei tuoi dati attraverso l'esplorazione non supervisionata è spesso il primo passo verso la costruzione di soluzioni di IA robuste.