Odporúčaná, 2019

Redakcia Choice

Rozdiel medzi supervidovaným a nepozorovaným vzdelávaním

Dohľadované a neupravené učenie sú paradigmy strojového učenia, ktoré sa používajú pri riešení triedy úloh tým, že sa učia zo skúseností a výkonnostných opatrení. Dohľadované a nepozorované učenie sa odlišujú hlavne tým, že supervizované učenie zahŕňa zmapovanie od vstupu na základný výstup. Naopak, neoverené učenie nemá za cieľ produkovať výstup v reakcii konkrétneho vstupu namiesto toho, že objavuje vzory v údajoch.

Tieto techniky dohľadu a bez dozoru sa realizujú v rôznych aplikáciách, ako sú umelé neurónové siete, ktoré sú systémy na spracovanie údajov obsahujúce obrovské množstvo prevažne prepojených procesných prvkov.

Porovnávacia tabuľka

Základ pre porovnanieDohľadované vzdelávanieNeuservované učenie
základnéZaoberá sa označenými údajmi.Zaoberá sa neoznačenými údajmi.
Výpočtová zložitosťvysokýnízky
analyzationofflineReálny čas
presnosť
Vytvára presné výsledkyGeneruje mierne výsledky
Sub-domény
Klasifikácia a regresia
Klastrovanie a asociačné pravidlo ťažby

Definícia supervidovaného učenia

Dohľadovaná metóda učenia zahŕňa školenie systému alebo stroja, kde sa tréning nastaví spolu s cieľovým vzorom (Výstupný vzor), ktorý je poskytovaný systému na vykonávanie úlohy. Typicky dohľad znamená sledovať a usmerňovať vykonávanie úloh, projektov a aktivít. Ale kde môže byť vykonávané pod dohľadom? Predovšetkým je implementovaná v strojovom štúdiu regresných a klastrových a neurónových sietí.

Ako teraz trénujeme model? Model je vedený pomocou načítania modelu so znalosťami, aby sa uľahčila predpoveď budúcich inštancií. Používa označené súbory údajov pre tréning. Umelé neurónové siete vstupný vzor trénujú sieť, ktorá je tiež spojená s výstupným vzorom.

Definícia neudržaného učenia

Model nepozorovaného učenia nezahŕňa cieľovú produkciu, čo znamená, že systém nie je zaškolený. Systém sa musí učiť vlastným spôsobom prostredníctvom určovania a prispôsobovania podľa štrukturálnych vlastností vstupných vzorov. Používa algoritmy strojového učenia, ktoré vyvodzujú závery o neoznačených údajoch.

Bezúspešné učenie pracuje na komplikovanejších algoritmoch v porovnaní s kontrolovaným vzdelávaním, pretože máme zriedkavé alebo žiadne informácie o údajoch. Vytvára menej ovládateľné prostredie ako stroj alebo systém určený na generovanie výsledkov pre nás. Hlavným cieľom neohraničeného učenia je hľadať subjekty, ako sú skupiny, zoskupenia, znižovanie dimenzií a vykonávanie odhadu hustoty.

Kľúčové rozdiely medzi supervízovaným a neupraveným vzdelávaním

  1. Dohľadovaná technika učenia sa zaoberá označenými údajmi, v ktorých sú známe výstupné dátové vzory systému. Na rozdiel od toho dochádza k neaktualizovanému učeniu s neoznačenými údajmi, v ktorých je výstup práve založený na zhromažďovaní vnímania.
  2. Pokiaľ ide o zložitosť, metóda pod dohľadom je menej komplexná, zatiaľ čo metóda bez dozoru je komplikovanejšia.
  3. Dohľadované učenie môže tiež vykonávať analýzu v režime offline, zatiaľ čo neaktívne učenie využíva analýzu v reálnom čase.
  4. Výsledok techniky supervidovaného učenia je presnejší a spoľahlivejší. Naproti tomu vzdelávanie bez dozoru prináša mierne, ale spoľahlivé výsledky.
  5. Klasifikácia a regresia sú typy problémov vyriešených metódou pod dohľadom. Naopak, neupravené učenie zahŕňa problémy spojené s zhlukovaním a asociačným ťažením pravidiel.

záver

Dohľadované vzdelávanie je technológiou plnenia úlohy poskytovaním systémov výcviku, vstupných a výstupných systémov, zatiaľ čo bez dozoru je samoštúdium, v ktorom musí systém objavovať vlastnosti vstupnej populácie svojou vlastnou a žiadnou predchádzajúcou skupinou kategórií sú používané.

Top