Практические примеры

В настоящее время обучение без учителя используется для лучшего понимания данных и придания им большей структурированности — например, при сегмен­ тации рынка, выявлении мошенничества или анализе рыночной корзины (что обсуждается далее в этой главе). Давайте рассмотрим два примера.

Распознавание речи

Обучение без учителя применяется для определения отдельных голосов на записи­. Алгоритм использует тот факт, что речь каждого человека имеет свои особенности. Он создает потенциально различимые аудиопаттерны, которые применяются для распознавания речи. Например, Google использует эту тех­ нику на своих устройствах Google Home, чтобы научить их различать голоса разных людей. Пройдя обучение, приложение Google Home способно персона­ лизировать ответ для каждого пользователя.

Предположим, что у нас есть записанный разговор трех человек, общающихся друг с другом в течение получаса. Используя алгоритмы обучения без учителя, мы можем идентифицировать в этом наборе данных голоса разных людей. Бла­ годаря обучению без учителя мы структурируем заданный набор неструктури­ рованных данных. Создание структуры привносит дополнительные параметры, полезные для извлечения информации и подготовки данных для выбранного нами алгоритма МО. На следующей диаграмме показано, как обучение без учителя используется для распознавания голоса (рис. 6.3).

Рис. 6.3

Обратите внимание, что в этом случае обучение без учителя предполагает, что мы добавляем новый признак с тремя различными уровнями.

Классификация документов

Алгоритмы обучения без учителя также применяются в сфере хранения не­ структурированных текстовых данных. Например, если у нас есть набор