Mit jelent a felügyelet nélküli tanulás?
A felügyelet nélküli tanulás (unsupervised learning) a gépi tanulás második fő ága. Lényege: a modell címkézetlen adatból próbál mintázatokat, struktúrákat vagy összefüggéseket felfedezni — anélkül, hogy bárki előre megmondaná neki, „mi a helyes válasz".
Ez a megközelítés akkor hasznos, amikor:
- Túl sok adatod van, és nem lehet mindent kézzel címkézni.
- Nem is tudod, milyen csoportok vannak az adatban — épp az lenne a kérdés.
- A cél nem osztályozás, hanem felfedezés vagy anomáliadetektálás.
Három fő típusa van:
- Klaszterezés (clustering): hasonló elemeket csoportosít össze. Pl. vásárlói szegmensek azonosítása viselkedés alapján.
- Asszociáció: együtt előforduló minták keresése. Pl. „akik kenyeret vesznek, gyakran tejet is" típusú elemzés.
- Dimenziócsökkentés: nagy dimenziójú adatokat (pl. embeddingeket) áttekinthetőbbé tesz.
Hogyan különbözik a felügyelt tanulástól?
| Felügyelt | Felügyelet nélküli |
|---|---|
| Címkézett adat kell (input + helyes output) | Csak input kell, címke nincs |
| „Mi lesz X kimenete?" | „Milyen mintázatok vannak X-ben?" |
| Pontosan mérhető (van helyes válasz) | Nehezebb mérni („jó-e a felfedezés?") |
| Spamszűrő, képfelismerés | Vásárlói szegmentáció, anomáliák |
A modern AI rendszerek gyakran kombinálják a kettőt — pl. a nagy nyelvi modellek tanításának első szakasza felügyelet nélküli (csak szöveg, célja a nyelv mintázatait megtanulni), a második szakasz pedig felügyelt vagy megerősítéses (helyes válaszokra és emberi visszajelzésre tanítva).
Üzleti példa egy KKV-nál
Egy magyar webáruháznak 60.000 vevője volt — az értékesítési csapat érzésre három csoportot definiált: árérzékeny, lojális, alkalmi. A felügyelet nélküli tanulás (klaszterezés) viszont ötféle valós csoportot talált:
- Vadász: csak akcióban vásárol, sok terméket néz meg.
- Lojális heti: kis kosárérték, gyakori vásárlás.
- Lojális évi: nagy kosárérték, ritka vásárlás (pl. szezonális).
- Próba-vásárló: egyszer vesz, soha nem tér vissza.
- Korai elhagyó: 1-2 vásárlás, majd némán eltűnik.
Az e-mail marketinget átszabták az 5 csoportra — a teljes nyitási arány 14%-ról 22%-ra nőtt, a konverzió pedig 1,8%-ról 2,7%-ra. Az adat már megvolt — csak meg kellett kérdezni az adattól, hogy „mit lát".
Mit kell tudni egy cégvezetőnek?
A felügyelet nélküli tanulás fantasztikusan hasznos felfedezésre — de gyakran félrevezető, ha üzleti döntést akarsz rá építeni. A klaszterek, amiket a modell talál, nem feltétlenül üzletileg értelmesek — lehet, hogy a 7. cluster csak „véletlen zaj".
Két jótanács:
- Mindig hagyd, hogy egy üzleti ember interpretálja a clustereket. Ha az „adattudós" és az „értékesítési vezető" együtt nézi az eredményt, akkor lesz használható.
- Indulj kis kérdéssel: „Hány különböző viselkedésű vásárlóm van?" — ne „mit mond az adat?". A konkrét kérdés konkrét választ kap.