Prinsip utama Unsupervised Learning berfungsi untuk menemukan pola atau kelompok dalam data tanpa label. Model berusaha mengelompokkan data yang mirip atau mengurangi jumlah fitur.
Metode yang umum digunakan:
Clustering: Seperti K-means, untuk mengelompokkan data berdasarkan kesamaan.
Dimensionality Reduction: Seperti PCA, untuk mengurangi jumlah fitur.
Contoh penerapan:
Segmentasi pasar (clustering)
Deteksi anomali keuangan (clustering)
Kompresi gambar (PCA)
Metode yang umum digunakan:
Clustering: Seperti K-means, untuk mengelompokkan data berdasarkan kesamaan.
Dimensionality Reduction: Seperti PCA, untuk mengurangi jumlah fitur.
Contoh penerapan:
Segmentasi pasar (clustering)
Deteksi anomali keuangan (clustering)
Kompresi gambar (PCA)