Всем привет .. Это моя первая история .. Сегодня мы поговорим о контролируемом и неконтролируемом обучении в машинном обучении.
Прежде чем мы начнем, я хочу поговорить о том, что такое машинное обучение. Согласно IBM, Машинное обучение - это ветвь« искусственного интеллекта (ИИ) и информатики, которая фокусируется на использовании данных и алгоритмов для имитации способа обучения людей, постепенно повышая его точность». но, по-моему, машинное обучение основано на предсказаниях, которые нужно анализировать. Если мы хотим общаться с машинами, чтобы сказать это кошка или это шаблон, мы используем типы данных. Мы обучаем модель и требуем, чтобы она предсказывала выходные данные из входных данных.
Есть два алгоритма машинного обучения:
- Под наблюдением: мы обучили набор данных с использованием входных данных и создаем метки для просмотра выходных данных. Например, представьте себе фотографию с кошками и собаками. Сначала мы должны предоставить фотографии и ярлыки этих животных как данные о кошке или собаке. Тогда, если ваши входные данные хороши (реалистичны) и достаточно, прогнозы будут хорошими на выходе. Подводя итог, вы можете использовать контролируемое обучение, если вам известны данные для выходных данных, которые вы пытаетесь предсказать. В обучении с учителем используются методы классификации и регрессии.
- Неконтролируемый: при неконтролируемом обучении, в отличие от контролируемого, система не обучается, она учится на данных. Обучение без учителя - это изучение взаимосвязей и структур, существующих в данных, без маркировки данных как причинно-следственных связей или ввода-вывода. Без учителя использует метод кластеризации.
Для дополнительной информации:
