Was ist der Unterschied zwischen überwachtem und unüberwachtem Lernen?

Überwachtes Lernen: mit menschlichen Labels

Beim überwachten Lernen sagt der Mensch dem System: „Das hier sind die richtigen Beispiele." Klassisches Beispiel ist Bilderkennung: Du gibst dem System hunderttausende Fotos mit der Information, auf welchen eine Katze zu sehen ist und auf welchen nicht. Das System lernt aus diesen gelabelten Beispielen das Muster und kann später auch unbekannte Fotos klassifizieren. Diese Methode eignet sich überall dort, wo das gewünschte Ergebnis klar definiert ist: Spam-Filter, Diagnose-Unterstützung, Übersetzung.

Unüberwachtes Lernen: ohne Vorgabe

Beim unüberwachten Lernen bekommt das System keinen Hinweis, was in den Daten steckt. Stattdessen wird gefragt: „Welche Gruppen findest du?" Ein gängiges Verfahren ist Clustering, bei dem das System die Daten in mehrere Gruppen mit ähnlichen Eigenschaften sortiert. Praxisbeispiel: Du gibst deinem System anonymisierte Kundendaten und fragst nach acht Segmenten. Das Ergebnis zeigt dir, welche Kundentypen du eigentlich hast, ohne dass du sie vorher selbst definieren musstest.

Warum die Begriffe irreführend sind

Der Begriff „Überwachung" klingt nach Kontrolle und ist hier missverständlich. Tatsächlich meint er nur die Vorgabe der Labels. Beim unüberwachten Lernen ist das System nicht außer Kontrolle, es bekommt nur keine Lösungs-Hinweise vorab.