Un team di ricerca ha immagini di colture microbiologiche in crescita, ma nessun dato etichettato che identifichi le aree di crescita. Qual è la tecnica di machine learning più appropriata per scoprire e identificare le regioni di crescita nelle immagini?

Il clustering è la tecnica più appropriata perché è un metodo di apprendimento non supervisionato che raggruppa punti dati simili senza la necessità di etichette preesistenti. In questo scenario, il team non ha dati etichettati per le aree di crescita, rendendo il clustering ideale per scoprire e identificare naturalmente queste regioni basandosi sulle loro caratteristiche visive. La regressione logistica e l'albero decisionale sono metodi di apprendimento supervisionato che richiedono dati etichettati per l'addestramento. La riduzione della dimensionalità è utile per semplificare i dati, ma non per identificare o raggruppare direttamente le regioni di interesse.