+43 (0) 1 890 39 82 relations@af-institute.at

Unsupervised Learning

Unsupervised Learning kommt dort zum Einsatz, wo dem Algorithmus keine klassifizierten Daten zur Verfügung stehen. Der Algorithmus hat hier die Aufgabe, Muster in den Daten zu erkennen, welche sich durch Clustering gemeinsamer Charakteristiken ergeben.

Eine Beispielsanwendung wäre die Suche nach Krebsarten innerhalb vorhandener genetischer Daten, mit ähnlichen Charakteristiken, wie bei bereits bekannten Patienten.

Krankheitsverlauf vorhersagen

Wird ein entsprechender Cluster gefunden, so können andere Krankheitsverläufe im Cluster dazu genutzt werden, einen Krankheitsverlauf für den jeweiligen Patienten vorherzusagen.

 

Visualisierung höherdimensionaler Daten in der Industrie

Für Maschinen und die zugehörige Software gibt es unzählige Möglichkeiten, Daten zu erheben und auszuwerten.

Mehr …