Ein Forschungsteam verfügt über Bilder von wachsenden mikrobiologischen Kulturen, aber über keine beschrifteten Daten, die Wachstumsbereiche identifizieren. Welche Machine-Learning-Technik eignet sich am besten, um Wachstumsbereiche in den Bildern zu entdecken und zu identifizieren?

Clustering ist die am besten geeignete Technik, da es sich um eine unüberwachte Lernmethode handelt, die Muster in unbeschrifteten Daten findet. Hier kann es ähnliche Pixel gruppieren, um Wachstumsbereiche in den Bildern zu identifizieren, ohne dass vorherige Beschriftungen erforderlich sind. Logistische Regression und Entscheidungsbäume sind überwachte Lernmethoden, die beschriftete Daten für das Training benötigen. Dimensionsreduktion reduziert die Anzahl der Merkmale, hilft aber nicht direkt bei der Identifizierung von Wachstumsbereichen.