وتستخدم نماذج غير مشرفة لتحليل البيانات دون نتائج مسمّاة بالعلامات، ويعتبر تحقيق التوازن السليم بين البارامترات في هذه النماذج أمراً أساسياً لتحقيق نتائج دقيقة ومجدية، ويقدم هذا الدليل لمحة عامة عن التقنيات اللازمة لتحقيق المعايير المثلى والتحقق منها في مجال التعلم غير المشرف.

فهم البارامترات

ويشمل التصحيح الموازي اختيار أفضل مجموعة من البارامترات التي تحسن الأداء النموذجي، وعلى عكس النماذج الخاضعة للإشراف، لا توجد علامات لتقييم الدقة بصورة مباشرة، وبالتالي تستخدم أساليب بديلة.

التقنيات المشتركة لتحقيق الاستخدام الأمثل

والبحث عن المصابين والبحث العشوائي هما أساليب شائعة لاستكشاف مساحات البارامترات، وهذه التقنيات تجري بصورة منهجية أو عشوائية اختباراً للمجموعات لتحديد أفضل البيئات، بالإضافة إلى استخدام أساليب مثل درجات السلويت أو عدمه لتقييم نوعية التكتلات.

استراتيجيات التقييم

فالتقييد في النماذج غير الخاضعة للرقابة غالباً ما ينطوي على مقاييس داخلية تقيّم تماسك المجموعات وفصلها، ويمكن أيضاً التحقق من الخارج إذا كانت علامات الحقيقة الأساسية متاحة، مقارنة ناتج النموذج بالتصنيفات المعروفة.

  • سيلوويت سكوير
  • مؤشر ديفيز - بولدين
  • Calinski-Harabasz Index
  • التفتيش البصري