Pengantar Pembelajaran Tanpa Pengawasan

Pembelajaran tanpa pengawasan, salah satu jenis dasar dari pembelajaran mesin, terus berkembang. Pendekatan ini berfokus pada vektor masukan tanpa nilai target yang sesuai, dan telah menunjukkan perkembangan luar biasa dalam kemampuannya untuk mengelompokkan dan menafsirkan informasi berdasarkan kesamaan, pola, dan perbedaan. Terobosan terbaru dalam model deep unsupervised learning telah meningkatkan kemampuan ini, memungkinkan pemahaman yang lebih bernuansa terhadap kumpulan data yang kompleks.

Pada 2024, algoritma pembelajaran tanpa pengawasan, yang secara tradisional tidak bergantung pada pemetaan input ke output, menjadi makin otonom dan efisien dalam menemukan struktur dasar dari data yang tidak berlabel. Kemandirian dari ‘seorang pengajar’ ini diperkuat dengan hadirnya teknik self-supervised learning yang canggih, sehingga ketergantungan pada data berlabel berkurang secara signifikan.

Selain itu, bidang ini juga maju dalam integrasi pembelajaran tanpa pengawasan dengan disiplin AI lain, seperti reinforcement learning, sehingga melahirkan sistem yang lebih adaptif dan cerdas. Sistem-sistem ini unggul dalam mengidentifikasi pola dan anomali pada data, membuka jalan bagi aplikasi inovatif di berbagai sektor. Artikel ini membahas pembelajaran tanpa pengawasan lebih jauh, menelusuri berbagai jenisnya dan kegunaannya. 

Pembelajaran Terawasi vs Tanpa Pengawasan 

Pada tabel di bawah, kami membandingkan beberapa perbedaan utama antara pembelajaran tanpa pengawasan dan terawasi: 

Jenis Pembelajaran Tanpa Pengawasan

Pada bagian pengantar, kami menyebutkan bahwa pembelajaran tanpa pengawasan adalah metode yang kita gunakan untuk mengelompokkan data saat tidak ada label. Karena tidak ada label, metode pembelajaran tanpa pengawasan biasanya diterapkan untuk membangun representasi data yang ringkas sehingga kita dapat menurunkan konten imajinatif darinya. 

Misalnya, jika kita akan merilis produk baru, kita dapat menggunakan metode pembelajaran tanpa pengawasan untuk mengidentifikasi siapa pasar sasaran produk tersebut: ini karena belum ada informasi historis tentang siapa pelanggan target dan demografinya. 

Namun, pembelajaran tanpa pengawasan dapat diuraikan menjadi tiga tugas utama: 

• Klastering
• Aturan asosiasi
• Reduksi dimensi.  

Mari kita bahas lebih dalam masing-masingnya:

Klastering

Dari sudut pandang teoretis, instance dalam kelompok yang sama cenderung memiliki sifat yang serupa. Anda dapat mengamati fenomena ini pada tabel periodik. Anggota kelompok yang sama, yang dipisahkan oleh delapan belas kolom, memiliki jumlah elektron yang sama pada kulit terluar atomnya dan membentuk ikatan dengan jenis yang sama. 

Inilah gagasan yang berlaku dalam algoritma klastering; metode klastering melibatkan pengelompokan data yang tidak ditandai berdasarkan kesamaan dan perbedaannya. Ketika dua instance muncul di kelompok berbeda, kita dapat menyimpulkan bahwa keduanya memiliki sifat yang tidak serupa. 

Klastering adalah jenis pendekatan pembelajaran tanpa pengawasan yang populer. Bahkan, ini dapat dipecah lagi menjadi berbagai jenis klastering; misalnya: 

• Klastering eksklusif: Data dikelompokkan sedemikian rupa sehingga satu titik data secara eksklusif termasuk ke satu klaster. 
• Klastering tumpang tindih: Klaster lunak di mana satu titik data dapat termasuk ke beberapa klaster dengan derajat keanggotaan yang bervariasi. 
• Klastering hierarkis: Jenis klastering di mana kelompok dibuat sedemikian rupa sehingga instance yang serupa berada dalam kelompok yang sama dan objek yang berbeda berada di kelompok lain. 
• Klastering probabilistik: Klaster dibuat menggunakan distribusi probabilitas.

Penambangan Aturan Asosiasi

Jenis pembelajaran mesin tanpa pengawasan ini menggunakan pendekatan berbasis aturan untuk menemukan hubungan menarik antarfitur dalam suatu kumpulan data. Ini bekerja dengan menggunakan ukuran ketertarikan untuk mengidentifikasi aturan kuat yang ditemukan dalam suatu dataset. 

Kita biasanya melihat penambangan aturan asosiasi digunakan untuk analisis keranjang belanja: ini adalah teknik penambangan data yang digunakan peritel untuk memahami pola pembelian pelanggan berdasarkan hubungan antar berbagai produk. 

Algoritma yang paling banyak digunakan untuk pembelajaran aturan asosiasi adalah algoritma Apriori. Namun, algoritma lain juga digunakan untuk jenis pembelajaran tanpa pengawasan ini, seperti algoritma Eclat dan FP-growth. 

Reduksi Dimensi

Algoritma populer yang digunakan untuk reduksi dimensi meliputi principal component analysis (PCA) dan Singular Value Decomposition (SVD). Algoritma ini berupaya mentransformasikan data dari ruang berdimensi tinggi ke ruang berdimensi rendah tanpa mengorbankan sifat-sifat bermakna pada data asli. Teknik-teknik ini biasanya diterapkan selama exploratory data analysis (EDA) atau pemrosesan data untuk menyiapkan data bagi pemodelan.

Mengurangi dimensi dataset selama EDA membantu memvisualisasikan data: ini karena memvisualisasikan data dalam lebih dari tiga dimensi itu sulit. Dari perspektif pemrosesan data, mengurangi dimensi data menyederhanakan masalah pemodelan.

Saat lebih banyak fitur masukan dimasukkan ke dalam model, model harus mempelajari fungsi aproksimasi yang lebih kompleks. Fenomena ini dirangkum dengan istilah “kutukan dimensi.” 

Aplikasi Pembelajaran Tanpa Pengawasan

Kebanyakan eksekutif tidak akan kesulitan mengidentifikasi use case untuk tugas pembelajaran mesin terawasi; hal yang sama tidak selalu berlaku untuk pembelajaran tanpa pengawasan. 

Salah satu alasannya mungkin terkait dengan sifat risiko yang sederhana. Pembelajaran tanpa pengawasan memperkenalkan risiko yang jauh lebih besar dibanding pembelajaran terawasi karena tidak ada cara jelas untuk mengukur hasil terhadap ground truth secara offline, dan mungkin terlalu berisiko untuk melakukan evaluasi online. 

Kendati demikian, ada sejumlah use case pembelajaran tanpa pengawasan yang bernilai di tingkat perusahaan. Selain menggunakan teknik tanpa pengawasan untuk mengeksplorasi data, beberapa use case umum di dunia nyata meliputi: 

• Pemrosesan bahasa alami (NLP). Google News diketahui memanfaatkan pembelajaran tanpa pengawasan untuk mengategorikan artikel berdasarkan cerita yang sama dari berbagai media. Misalnya, hasil bursa transfer sepak bola dapat dikategorikan di bawah sepak bola.
• Analisis gambar dan video. Tugas Persepsi Visual seperti pengenalan objek memanfaatkan pembelajaran tanpa pengawasan.
• Deteksi anomali. Pembelajaran tanpa pengawasan digunakan untuk mengidentifikasi titik data, peristiwa, dan/atau observasi yang menyimpang dari perilaku normal dataset.
• Segmentasi pelanggan. Profil persona pembeli yang menarik dapat dibuat menggunakan pembelajaran tanpa pengawasan. Ini membantu bisnis memahami karakteristik umum dan kebiasaan belanja pelanggan, sehingga memungkinkan mereka menyelaraskan produknya dengan lebih tepat.
• Mesin rekomendasi. Perilaku pembelian masa lalu dipadukan dengan pembelajaran tanpa pengawasan dapat membantu bisnis menemukan tren data yang dapat digunakan untuk mengembangkan strategi cross-selling yang efektif.

Contoh Pembelajaran Tanpa Pengawasan di Python

Principal component analysis (PCA) adalah proses menghitung komponen utama lalu menggunakannya untuk melakukan perubahan basis pada data. Dengan kata lain, PCA adalah teknik reduksi dimensi dalam pembelajaran tanpa pengawasan. 

Berguna untuk mengurangi dimensi dataset karena dua alasan utama: 

1. Saat terlalu banyak dimensi dalam dataset untuk divisualisasikan 
2. Untuk mengidentifikasi n dimensi yang paling prediktif guna pemilihan fitur saat membangun model prediktif. 

Pada bagian ini, kita akan mengimplementasikan algoritma PCA di Python pada dataset Iris dan kemudian memvisualisasikannya menggunakan matplotlib. Lihat buku kerja DataLab ini untuk mengikuti kode yang digunakan dalam tutorial ini. 

Mari mulai dengan mengimpor pustaka dan data yang diperlukan.

from sklearn.datasets import load_iris # Dataset
from sklearn.decomposition import PCA # Algorithm
import matplotlib.pyplot as plt # Visualization

# Load the data 
iris_data = load_iris(as_frame=True)

# Preview
iris_data.data.head()

Dataset iris memiliki empat fitur. Mencoba memvisualisasikan data dalam empat dimensi atau lebih adalah hal yang mustahil karena kita tidak tahu bagaimana rupa sesuatu pada dimensi setinggi itu. Alternatif terbaik yang dapat kita lakukan adalah menggambarkannya dalam tiga dimensi, yang bukan tidak mungkin namun tetap menantang. 

Sebagai contoh:

"""
Credit: Rishikesh Kumar Rishi
Link: https://www.tutorialspoint.com/how-to-make-a-4d-plot-with-matplotlib-using-arbitrary-data
"""
plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
sepal_length = iris_data.data["sepal length (cm)"]
sepal_width = iris_data.data["sepal width (cm)"]
petal_length = iris_data.data["petal length (cm)"]
petal_width = iris_data.data["petal width (cm)"]

ax.scatter(sepal_length, sepal_width, petal_length, c=petal_width)
plt.show()

Cukup sulit mendapatkan wawasan dari visualisasi ini karena semua instance bertumpuk satu sama lain mengingat kita hanya memiliki satu sudut pandang saat memvisualisasikan data dalam tiga dimensi pada skenario ini.  

Dengan PCA, kita dapat mengurangi dimensi data menjadi dua, sehingga lebih mudah memvisualisasikan data dan membedakan kelas. 

Catatan: Pelajari cara mengimplementasikan PCA di R dalam “Tutorial Principal Component Analysis di R.”

# Instantiate PCA with 2 components
pca = PCA(n_components=2)

# Train the model 
pca.fit(iris_data.data)
iris_data_reduced = pca.fit_transform(iris_data.data)

# Plot data
plt.scatter(
    iris_data_reduced[:,0],
    iris_data_reduced[:,1],
    c=iris_data.target
)
plt.show()

Pada kode di atas, kita mentransformasikan fitur-fitur dataset iris, hanya menyisakan dua komponen, lalu memplot data yang telah direduksi pada bidang dua dimensi.  

Sekarang, jauh lebih mudah bagi kita untuk memperoleh informasi tentang data dan bagaimana kelas-kelasnya terpisah. Kita dapat menggunakan wawasan ini untuk memutuskan langkah selanjutnya jika kita akan memasangkan model pembelajaran mesin pada data kita. 

Pemikiran akhir

Pembelajaran tanpa pengawasan merujuk pada kelas permasalahan dalam pembelajaran mesin di mana model digunakan untuk mengarakterisasi atau mengekstrak hubungan dalam data. 

Bertolak belakang dengan pembelajaran terawasi, algoritma pembelajaran tanpa pengawasan menemukan struktur dasar suatu dataset hanya dengan menggunakan fitur masukan. Ini berarti model pembelajaran tanpa pengawasan tidak memerlukan pengajar untuk mengoreksinya, tidak seperti pada pembelajaran terawasi. 

Dalam artikel ini, Anda mempelajari tiga jenis utama pembelajaran tanpa pengawasan, yaitu penambangan aturan asosiasi, klastering, dan reduksi dimensi. Anda juga mempelajari beberapa aplikasinya, serta cara melakukan reduksi dimensi menggunakan algoritma PCA di Python. 

Mengapa tidak memeriksa sumber daya ini untuk melanjutkan pembelajaran Anda: 

• Kursus Unsupervised Learning in R 
• Tutorial Pengenalan k-Means Clustering dengan Scikit-learn di Python
• Kursus Cluster Analysis in R
• DBSCAN: A Macroscopic Investigation in Python tutorial
• Tutorial NLP dengan BERT