...
← Curs Machine Learning și AI pentru începători: toate lecțiile
Lecția 5 · Tipuri de ML

Învățare nesupervizată și prin recompensă

Nu ai mereu răspunsurile corecte. Uneori vrei doar să găsești grupuri în date, alteori vrei un program care învață singur jucând. Acestea sunt celelalte două mari tipuri de Machine Learning: nesupervizat și prin recompensă.

Învățarea nesupervizată: fără etichete

În învățarea nesupervizată ai doar datele, fără răspunsuri. Modelul caută singur o structură: grupuri de exemple asemănătoare, valori neobișnuite, tipare ascunse.

Exemplul clasic: un magazin online are 100.000 de clienți. Nimeni nu i-a etichetat, dar algoritmul observă că există un grup care cumpără des produse ieftine, un grup care cumpără rar și scump și un grup care cumpără doar la reduceri. Acestea sunt segmente de clienți.

clienti = [("Ana", 12, 50), ("Mihai", 2, 900), ("Ioana", 15, 40), ("Dan", 1, 1100)]
# (nume, comenzi pe an, valoare medie în lei)
for nume, comenzi, valoare in clienti:
    grup = "des și ieftin" if comenzi > 5 else "rar și scump"
    print(f"{nume}: {grup}")
Ana: des și ieftin
Mihai: rar și scump
Ioana: des și ieftin
Dan: rar și scump
Bine de știut

Aici am scris noi pragul 5. Un algoritm nesupervizat (de exemplu K-means, pe care îl vei construi mai târziu) găsește singur grupurile, fără să-i spui pragul.

Exercițiul tău

Clasifică patru sarcini de ML după tipul lor de învățare.

  • Creează dicționarul tipuri cu exact aceste 4 sarcini, în ordinea asta: preț casă → supervizată, grupare clienți → nesupervizată, șah → prin recompensă, spam → supervizată.
  • Parcurge dicționarul cu items() și afișează fiecare pereche pe un rând, în formatul preț casă: supervizată.
for sarcina, tip in tipuri.items(): și apoi print(f"{sarcina}: {tip}").

Soluția exercițiului

tipuri = {
    "preț casă": "supervizată",
    "grupare clienți": "nesupervizată",
    "șah": "prin recompensă",
    "spam": "supervizată",
}
for sarcina, tip in tipuri.items():
    print(f"{sarcina}: {tip}")
Excelent! Continuă cu lecția următoare →
Vrei să afli mai mult?Învățarea prin recompensă: încearcă și primește puncte · Cele trei tipuri, comparate · Un dicționar de sarcini · Greșeli frecvente · În lumea reală

Învățarea prin recompensă: încearcă și primește puncte

În învățarea prin recompensă (în engleză *reinforcement learning*) există un agent care face acțiuni într-un mediu și primește puncte: plus pentru acțiuni bune, minus pentru acțiuni proaste. Nu primește răspunsul corect, ci doar un scor.

1
Agentul vede situația curentă (de exemplu tabla de șah).
2
Alege o acțiune (o mutare).
3
Primește o recompensă (a câștigat partida: +1, a pierdut: −1).
4
După milioane de partide, învață ce acțiuni aduc cele mai multe puncte.
recompense = [1, -1, 1, 1, 0, 1]
print("Puncte totale după 6 partide:", sum(recompense))
Puncte totale după 6 partide: 3

Cele trei tipuri, comparate

TipCe primește modelulCe învațăExemplu
Supervizatăexemple + răspunsul corectlegătura intrare → răspunsprețul unei case, spam
Nesupervizatădoar exemplegrupuri și tiparesegmente de clienți
Prin recompensăun scor după fiecare acțiunece acțiuni aduc puncteșah, roboți, jocuri
Important

Întrebarea care decide tipul: am răspunsul corect pentru fiecare exemplu? Da → supervizată. Nu, vreau grupuri → nesupervizată. Am doar puncte după acțiuni → prin recompensă.

Un dicționar de sarcini

Poți ține legătura sarcină → tip într-un dicționar și o afișezi cu items():

tipuri = {"recunoașterea cifrelor": "supervizată", "detectarea tranzacțiilor ciudate": "nesupervizată"}
for sarcina, tip in tipuri.items():
    print(f"{sarcina}: {tip}")
recunoașterea cifrelor: supervizată
detectarea tranzacțiilor ciudate: nesupervizată

Greșeli frecvente

  • „Nesupervizat înseamnă că nu face nimic omul.” Omul alege datele, numărul de grupuri și interpretează rezultatul („grupul 2 sunt clienții fideli”).
  • „Reinforcement learning e doar pentru jocuri.” Se folosește și la roboți, la reglarea centralelor de date și la antrenarea asistenților de tip chatbot cu feedback de la oameni.
  • Confuzia cu etichetele: dacă ai coloana „a plecat clientul: da/nu”, problema e supervizată, chiar dacă ai putea face și grupuri.

În lumea reală

Segmentare

Magazinele trimit oferte diferite fiecărui grup de clienți găsit nesupervizat.

Șah și Go

Programe care au învățat jucând milioane de partide cu ele însele.

Roboți

Un braț robotic învață să apuce obiecte prin încercări și recompense.

Fraudă

Tranzacțiile foarte diferite de restul sunt semnalate, chiar fără etichete.

main.pyPython
ConsolăSe încarcă...
Mediul de lucru se încarcă. Poți citi lecția între timp.
Rulează codul cu butonul de sus sau cu Ctrl + Enter / Cmd + Enter.
Parcursul tău Ce este AI și Machine Learning Lecția 5 · Învățare nesupervizată și prin recompensă
Progres 0% 0 din 17
Lecția curentă 5 / 15 Tipuri de ml