22. Unsupervised Learning#
Le principali attività dell’applrendimento non supervisionato sono:
il clustering: raggruppamento dei dati in classi più o meno omogenee
la riduzione delle dimensioni: sintesi delle dinamiche/informazioni «principali» contenute nei dati. Una caratteristica che permette di distinguere gli algoritmi è la definizione di «principali»; così ad esempio:
PCA (o la cara vecchia SVD): seleziona le dinamiche «più energetiche» tra di loro ortogonali contenute in un segnale
ICA: seleziona le dinamiche «maggiormente indipendenti» contenute nel segnale
Un confronto tra ICA e PCA può chiarire il significato delle diverse definizioni e le differenze nei risultati prodotti.