Здравствуйте Ученики!! Я Хани Дарджи. В этом блоге мы разбираемся в том, что такое контролируемое машинное обучение? Как мы это используем и некоторые примеры контролируемого обучения.
Контролируемое машинное обучение — наиболее распространенная тема в области машинного обучения. По сути, контролируемое обучение — это обучение, при котором мы обучаем или обучаем машину, используя данные, которые хорошо помечены, что означает, что некоторые данные уже помечены правильным ответом. После этого машине предоставляется новый набор примеров (данных), чтобы алгоритм обучения с учителем анализировал обучающие данные (набор обучающих примеров) и выдавал правильный результат из помеченных данных.
Машинное обучение с учителем также можно разделить на две группы. Во-первых, это регрессия, а во-вторых, классификация.
- Регрессия. Проблема регрессии возникает, когда выходная переменная представляет собой реальное значение, например «рупии» или «вес».
2. Классификация. Проблема классификации возникает, когда выходная переменная представляет собой категорию, такую как «белый» или «синий», или «заболевание» и «отсутствие заболевания».
Преимущества:-
- Обучение с учителем позволяет собирать данные и производить вывод данных из предыдущего опыта.
- Помогает оптимизировать критерии эффективности с помощью опыта.
Недостатки:-
- Классификация больших данных может быть сложной задачей.
- Обучение обучению с учителем требует много вычислительного времени. Поэтому оно требует много времени.
Давайте посмотрим на пример контролируемого машинного обучения.
Допустим, у нас есть разные фотографии животных. Сначала мы тренируем нашу модель. Например, если у нас есть фотография лошади, мы учим нашу модель: «Это лошадь». В этом мы даем ввод и вывод этих фотографий. А затем проверить наши данные с фотографиями с входными данными.
Спасибо, что читаете блог.
