felügyelet nélküli tanulás

angolul: unsupervised learning

alapelterjedt

Olyan gépi tanulás, amelyben a program előre megadott helyes válaszok nélkül, magától keres csoportokat, mintázatokat és kilógó eseteket az adatokban.

Érthetően

Képzeld el, hogy kapsz egy nagy doboz vegyes LEGO-kockát, útmutató nélkül. Senki nem mondja meg, mi micsoda, mégis szét tudod válogatni szín, méret vagy forma szerint. A felügyelet nélküli tanulás ugyanezt csinálja adatokkal: nem kap megoldókulcsot, csak magát a nyers anyagot, és abban keres rendet.

Arra jó, hogy olyan összefüggéseket vegyen észre, amelyekre előre nem is gondoltál: mely vásárlók hasonlítanak egymásra, mely termékeket veszik együtt, melyik tranzakció üt el a megszokottól. Ott a leghasznosabb, ahol rengeteg adat van, de senki nem címkézte fel őket.

A felügyelt tanulásnál a gép példákat kap a helyes válasszal együtt, például „ez a kép macska, az kutya”. Itt nincs ilyen tanári javítás. Ezért az eredményt sem lehet egyszerűen kipipálni: a gép csoportokat ad, de hogy azok mit jelentenek és hasznosak-e, azt embernek kell megítélnie.

Hogyan működik

Összegyűjtik az adatokat címkék nélkül, és számokká alakítják őket, például egy vásárlót az életkorával, a költésével és a vásárlási gyakoriságával írnak le.
Az algoritmus kiszámolja, mely adatpontok hasonlítanak egymásra, vagyis mennyire vannak „közel” egymáshoz ebben a számokból álló térben.
A hasonlóság alapján szerkezetet keres: csoportokba rendezi az adatokat (klaszterezés), kevesebb jellemzőbe sűríti őket (dimenziócsökkentés), vagy megjelöli a többitől nagyon elütő eseteket (anomáliadetektálás).
Sok módszer, például a k-közép, többször újraszámolja a felosztást, amíg a csoportok már alig változnak; más eljárások egyetlen számítással adnak eredményt.
A végén ember nézi át az eredményt, nevet ad a csoportoknak, és eldönti, van-e gyakorlati értelmük.

Példa a mindennapokból

Amikor a webáruház azt írja ki, hogy „akik ezt vették, ezt is megvették”, vagy a zenei alkalmazás hozzád hasonló ízlésű hallgatók kedvenceit ajánlja, a háttérben sokszor ilyen módszer dolgozik. Senki nem sorolt be téged kézzel egy csoportba: a rendszer a viselkedésedből maga találta meg, kikhez hasonlítasz.

Kit érint

marketingesA vevőszegmentálás tipikusan így készül: az algoritmus az adatokból javasol vásárlói csoportokat, nem a te előfeltevéseidből indul ki. Azt viszont neked kell ellenőrizned, hogy a csoportoknak van-e valódi értelmük. → Marketing

banki ügyfélA bankok részben ilyen módszerrel szúrják ki a szokatlan, csalásgyanús tranzakciókat, ezért előfordulhat, hogy egy furcsa vásárlásodat megállítják.

ipari dolgozó, mérnökA gépek szenzoradataiban így lehet észrevenni a megszokottól eltérő működést, még a meghibásodás előtt. → Ipar

fejlesztőHa nincs pénz vagy idő az adatok felcímkézésére, ez az első eszköz, amellyel megismerheted az adathalmaz szerkezetét. → Kód

Gyakori félreértés

TévhitA felügyelet nélküli tanulás azt jelenti, hogy a gép emberi beavatkozás nélkül, önállóan tanul és dönt.

ValójábanA „felügyelet” itt csak annyit jelent, hogy az adatokhoz nincs előre megadott helyes válasz. Azt továbbra is ember dönti el, milyen adatot kap a gép, melyik módszerrel dolgozik, és mit jelent az eredmény.

Korlátok és kockázatok

Nincs egyértelmű jó megoldás, ezért nehéz megmérni, hogy a kapott csoportosítás tényleg helyes, vagy csak tetszetős.
Az algoritmus akkor is talál csoportokat, ha az adatokban valójában nincs értelmes szerkezet, ezért a mintázat nem bizonyíték.
Az eredmény erősen függ a beállításoktól, például attól, hány csoportot kérsz és mely jellemzőket adod meg.
Ha az adatok torzítottak, a gép a torzítást is mintázatként tanulja meg, és az embereket érintő besorolásoknál ez hátrányos megkülönböztetéshez vezethet.

Hasonló, de nem ugyanaz

felügyelt tanulás – Ott minden tanítópéldához tartozik helyes válasz, amelyhez a gép igazodik, itt viszont nincs megoldókulcs.
önfelügyelt tanulás – Az önfelügyelt tanulásban a gép az adatból maga gyárt feladatot és helyes választ (például kitalálja a következő szót), a klasszikus felügyelet nélküli módszerek viszont csak szerkezetet keresnek.
megerősítéses tanulás – Ott a gép próbálkozik, és jutalmat vagy büntetést kap a lépéseiért, itt nincs semmilyen visszajelzés.

Kapcsolódó fogalmak

Tágabb

gépi tanulás, mesterséges intelligencia

Szűkebb

klaszterezés, dimenziócsökkentés, anomáliadetektálás

Rokon

felügyelt tanulás, önfelügyelt tanulás, megerősítéses tanulás, tanítóadat, adatcímkézés

Röviden a története

A módszercsalád gyökerei a statisztikáig nyúlnak vissza: Karl Pearson 1901-ben írta le a főkomponens-elemzést, amely ma is az egyik alapeszköze. A legismertebb csoportosító eljárás, a k-közép (k-means) elnevezése James MacQueen 1967-es tanulmányából származik.

Hol tart most

2026 végén bevett, hétköznapi eszköz az ajánlórendszerekben, a csalásfelderítésben és az adatelemzésben. A nagy nyelvi modellek előtanítása is címkézetlen adatokon történik, ezt ma többnyire önfelügyelt tanulásnak hívják.

Állapot: 2026. november

Más nevei

felügyelet nélküli tanulás · felügyeletlen tanulás · nem felügyelt tanulás · felügyelet nélküli gépi tanulás · tanító nélküli tanulás · unsupervised learning · unsupervised machine learning · unsupervised ML

Források

scikit-learn dokumentáció: Unsupervised learning

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.