التعلم غير الخاضع للإشراف يضم تقنيات من التعلم الآلي تتيح اكتشاف الأنماط في البيانات. ويمكن أن يُستخدم بوجه خاص لتحديد مجموعات طبيعية من العملاء اعتمادًا على سجلات مشترياتهم، أو للبحث عن الانتظامات والارتباطات بين هذه المشتريات، أو لتمثيل البيانات في شكل مضغوط. وتقوم هذه المقاربات بشكل خاص على تقنيتين تُسميان التجميع (clustering) وتقليص الأبعاد. التعلم الخاضع للإشراف وغير الخاضع للإشراف: يتميز التعلم غير الخاضع للإشراف عن التعلم الخاضع للإشراف. فعلى سبيل المثال، يمكن للتعلم الخاضع للإشراف أن يستخدم قياسات للأورام لتصنيفها إلى فئتَيْن
متابعة هذا الدرس متاحة للمشتركين فقط أنشئ حسابك المجاني لتجربة التمارين التوضيحية، ثم انتقل إلى الوصول الكامل متى شئت.