Mô hình không có giám sát được dùng để phân tích dữ liệu mà không có kết quả đã dán nhãn. Tham số cân bằng đúng trong các mô hình này là thiết yếu để đạt kết quả chính xác và có ý nghĩa. Hướng dẫn này cung cấp một tổng quát kỹ thuật để tối ưu hóa và xác thực các tham số trong việc học không có giám sát.

Điều chỉnh tham số

Tham số điều chỉnh bao gồm việc chọn những bộ tham số tốt nhất để cải thiện hiệu suất mô hình. Không giống mô hình giám sát, không có nhãn để trực tiếp đánh giá độ chính xác, vì vậy các phương pháp thay thế được dùng.

Công nghệ thông thường để làm báp têm

Tìm kiếm qua Mạng là phương pháp phổ biến để khám phá khoảng không tham số. Những kỹ thuật này có hệ thống hoặc ngẫu nhiên tổ hợp để xác định những thiết lập tối ưu. Ngoài ra, các phương pháp như điểm hoặc tỷ lệ ngẫu nhiên được dùng để đánh giá chất lượng cụm.

Kiểm tra hiệu ứng

Kiểm tra các mô hình không giám sát thường bao gồm các số đo nội bộ để đánh giá sự kết hợp và tách biệt của cụm. Tính chất bên ngoài cũng có thể thực hiện nếu có nhãn chân lý mặt đất, so sánh hiệu xuất của mô hình với phân loại đã biết.

  • Điểm số Silhouette
  • Chỉ mục & Xác lập cho mạng
  • Chỉ mục Calinski-Harabasz
  • Kiểm tra trực quan