Como funciona para casos que não são clusters? Ou, em geral, eu vou acabar encaixando os problemas não supervisionados em clusters? por exemplo, detecção de anomalias onde tem algoritmos de arvores como o isolationFlorest (Se não me falha a memória, este é o nome) pensando em valores continuos
Oii, Carlo! Tudo bom?
Sim, a detecção de anomalias é uma opção, usando algoritmos como o Isolation Forest, eficaz para identificar outliers em dados contínuos. Diferente da clusterização, que agrupa dados semelhantes, ela foca em padrões que se desviam do esperado.
Outro exemplo de aprendizado não supervisionado é a redução de dimensionalidade, como o PCA, que simplifica dados complexos preservando características principais. Nem todo problema de aprendizado não supervisionado exige clusterização; diferentes técnicas se aplicam conforme o objetivo.
🔗 Segue alguns artigos para a leitura:
Ambos artigos podem abrir em inglês, caso não se sinta confortável com o idioma, utilize o tradutor automático do seu navegador e boa leitura!
Conte sempre com o apoio do fórum em suas dúvida.
Até mais, Carlo!
Caso este post tenha lhe ajudado, por favor, marcar como solucionado