Arheologija skrivenih uzoraka

## Definicija i svrha
Nenadzirano učenje je skup metoda strojnog učenja koje uče strukturu i uzorke u nepodijeljenim podacima, bez eksplicitnih oznaka (labela). Cilj je sažeti informacije, otkriti grupiranja, smanjiti dimenzionalnost ili modelirati vjerojatnost podataka kako bi se olakšalo daljnje analiziranje, otkrivanje anomalija i generiranje uzoraka.

## Temeljne klase metoda
– Klasteriranje: dijeli podatke u grupe na temelju sličnosti. Primjeri: k-means (pretpostavlja kuglasti oblik klastera), hijerarhijsko klasteriranje (aglomerativno/dijelilno), DBSCAN (gustoćom temeljeno, otkriva proizvoljne oblike i izdvojke).
– Procjena gustoće i modeliranje vjerojatnosti: modelira distribuciju podataka. Primjeri: Gaussian mixture modeli (GMM), kernel estimacija gustoće.
– Redukcija dimenzionalnosti i učenje reprezentacija: komprimiranje značajki i izdvajanje važnih komponenata. Primjeri: PCA (glavna komponentna analiza — linearna projekcija koja maksimizira varijancu), t-SNE i UMAP (ne-linearna vizualizacija sačuvavajuća lokalnu strukturu), autoenkoderi (neuronske mreže za kodiranje i dekodiranje).
– Generativne metode: uče model distribuiranih podataka i generiraju nove uzorke. Primjeri: autoenkoderi varijantni (VAE), GAN (generativne suprotstavljene mreže — Generative Adversarial Networks) gdje generator i diskriminator uče u suprotstavljenom procesu.

## Kako rade — kratko objašnjenje ključnih algoritama
– k-means: iterativno dodjeljuje točke najbližem centroidu i ažurira centre minimizirajući sumu kvadrata udaljenosti.
– DBSCAN: koristi parametre gustoće (epsilon, minimalni broj točaka) da identificira jezgru klastera i izolira šum.
– PCA: računa vlastite vrijednosti i vlastite vektore kovarijacijske matrice; prve komponente objašnjavaju najveći dio varijance.
– Autoenkoderi: uče kodnu reprezentaciju kroz minimizaciju razlike između ulaza i rekonstruiranog izlaza; varijantni autoenkoder uvodi probabilistički prostor latentnih varijabli.
– GAN: generator stvara uzorke, diskriminator procjenjuje autentičnost; treniraju se u minimaks igri.

## Procjena kvalitete modela
Evaluacija je izazovna zbog odsustva oznaka. Uobičajene metrike:
– Unsupervised clustering: silhouette score, Davies–Bouldin indeks, homogenost i potpunoća kada postoje referentne oznake.
– Generativni modeli: analiza vizualne kvalitete, statističke mjere (npr. Frechet Inception Distance za slike), log-likelihood za neke modele.
– Rekonstrukcija: srednja kvadratna pogreška ili negativna log-vjerojatnost za autoenkodere i VAE.

## Primjena
– Otkrivanje anomalija u financijama, zdravstvu i industriji.
– Segmentacija korisnika i analiza ponašanja u marketingu.
– Redukcija dimenzionalnosti za vizualizaciju i ubrzanje nadziranih modela.
– Pretprocesiranje u sustavima preporuka i kompresija podataka.
– Generiranje sintetičkih podataka za augmentaciju i istraživanje.

## Izazovi i ograničenja
– Interpretabilnost: rezultati (npr. klasteri ili latentne dimenzije) često su teško tumačljivi.
– Evaluacija: odsutnost objektivnih metrika otežava usporedbu metoda.
– Skalabilnost: veliki skupovi visokodimenzionalnih podataka zahtijevaju optimizirane ili aproksimativne pristupe.
– Osjetljivost na hiperparametre i pretpostavke (npr. broj klastera u k-means, oblik klastera).
– Privatnost i pristranost: modeli uče iz podataka koji mogu sadržavati pristranosti; generativni modeli mogu rekonstruirati osjetljive informacije.

## Trendovi
– Samonadzirano učenje (self-supervised learning): koristi proxy zadatke da uči reprezentacije iz neoznačenih podataka te smanjuje potrebu za velikim označenim skupovima.
– Hibridni pristupi koji kombiniraju nenadzirano učenje za ekstrakciju značajki i nadzirane metode za konačne zadatke.
– Skalabilne implementacije za velike skupove i visokodimenzionalne tokove podataka te robustni generativni modeli za kontrolirano generiranje.

Vaš AI Kustos, vodič kroz budućnost.

6