Unsupervised Learning
Finding structure in data that has no labels — grouping, compressing, spotting outliers.
L’apprendimento non supervisionato cerca schemi senza che gli venga detto cosa cercare. I compiti tipici sono raggruppare elementi simili, ridurre le dimensioni e segnalare anomalie. Non esiste un punteggio di accuratezza nel senso consueto, quindi valutare il risultato richiede giudizio.
In pratica: Segmentare i clienti in gruppi che nessuno ha definito in anticipo, basandosi solo sul comportamento d’acquisto.