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
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.
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.
Soluția exercițiului
tipuri = {
"preț casă": "supervizată",
"grupare clienți": "nesupervizată",
"șah": "prin recompensă",
"spam": "supervizată",
}
for sarcina, tip in tipuri.items():
print(f"{sarcina}: {tip}") 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.
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
| Tip | Ce primește modelul | Ce învață | Exemplu |
|---|---|---|---|
| Supervizată | exemple + răspunsul corect | legătura intrare → răspuns | prețul unei case, spam |
| Nesupervizată | doar exemple | grupuri și tipare | segmente de clienți |
| Prin recompensă | un scor după fiecare acțiune | ce acțiuni aduc puncte | șah, roboți, jocuri |
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
Magazinele trimit oferte diferite fiecărui grup de clienți găsit nesupervizat.
Programe care au învățat jucând milioane de partide cu ele însele.
Un braț robotic învață să apuce obiecte prin încercări și recompense.
Tranzacțiile foarte diferite de restul sunt semnalate, chiar fără etichete.
