\chapter{Aufgaben des unüberwachten Lernens}
\label{aufgaben unsupervised learning}
    Das unüberwachte Lernen wird in der Praxis für die verschiedensten Aufgabenfelder angewandt:

        \paragraph{Clustering} siehe \ref{clustering}

        \paragraph{Anomaliedetektion}
        Das Erkennen von Anomalien ist eine weitere Aufgabe des unüberwachten Lernen.
        Anomalien sind beispielsweise ungewöhnliche Transaktionen auf Kreditkarten, die auf Betrug hindeuten,
        das Abfangen von Produktionsfehlern oder das automatische Entfernen von Ausreißern aus einem Datensatz,
        bevor dieser in einen weiteren Lernalgorithmus eingespeist wird.
        Das System wird mit gewähnlichen Datenpunkten trainiert und kann,
        wenn es einen neuen Datenpunkt sieht, entscheiden, ob dieser wie ein normaler Punkt oder wie eine Anomalie aussieht.

        \paragraph{Dichteschätzung}
        Wie auch beim Clustering (\ref{clustering}) spricht man bei der Dichteschätzung von unüberwachtem Lernen.
        Hier stehen die Ausgabewerte nicht zur Verfügung und nur die Eingabedaten sind bekannt.
        Das Ziel besteht darin, die Regelmäßigkeiten in den Eingabedaten aufzuspüren.
        Dh.h. es existiert eine Struktur in den Eingabedatem, so dass bestimmte Muster öfter auftreten als andere.
        In der Statistik nennt man die Dichteschätzung \say{density estimation}.
        Eine Möglichkeit der Dichteschätzung ist das \acs{DBSCAN}-Verfahren (\ref{density based clustering}).