Tyto dohlížené a nekontrolované techniky učení jsou implementovány v různých aplikacích, jako jsou umělé neuronové sítě, což je systém zpracování dat, který obsahuje velké množství vzájemně provázaných prvků zpracování.
Srovnávací graf
| Základ pro srovnání | Dohlížené učení | Učení bez dozoru |
|---|---|---|
| Základní | Zabývá se označenými daty. | Zpracovává data bez označení. |
| Výpočetní složitost | Vysoký | Nízký |
| Analýza | Offline | Reálný čas |
| Přesnost | Vytváří přesné výsledky | Vytváří mírné výsledky |
| Subdomény | Klasifikace a regrese | Těžba klastrů a přidružení |
Definice supervizního učení
Metoda řízeného učení zahrnuje školení systému nebo stroje, kde jsou tréninkové sady spolu s cílovým vzorem (výstupním vzorem) poskytovány systému pro provádění úkolu. Typicky dohlíží na prostředky, které mají sledovat a řídit provádění úkolů, projektu a činnosti. Kde však může být realizováno řízené učení? Primárně je implementován ve strojovém učení Regresní a Clusterové a neuronové sítě.
Jak trénujeme model? Model je veden pomocí načítání modelu s vědomím, aby se usnadnila předpověď budoucích instancí. Pro trénink používá označené datové sady. Umělé neuronové sítě vstupního vzoru trénují síť, která je také spojena s výstupním vzorem.
Definice učení bez dozoru
Unsupervised Learning model nezahrnuje cílový výstup, což znamená, že systém neposkytuje žádné školení. Systém se musí naučit sám prostřednictvím určování a přizpůsobování podle strukturálních charakteristik ve vzorcích vstupů. Využívá algoritmy strojového učení, které vyvodí závěry o neznačených datech.
Nepodporované učení pracuje na složitějších algoritmech ve srovnání s dohlíženým učením, protože o těchto údajích máme vzácné nebo žádné informace. Vytváří méně zvládnutelné prostředí, protože stroj nebo systém, jehož cílem je generovat výsledky pro nás. Hlavním cílem učení bez dozoru je vyhledávání entit, jako jsou skupiny, klastry, redukce rozměrů a provádění odhadu hustoty.
Klíčové rozdíly mezi supervizí a bez dozoru
- Metoda řízeného učení se zabývá označenými daty, kde jsou systémy výstupních dat známy systému. Nehledě na to učení bez dozoru pracuje s neoznačenými daty, ve kterých je výstup založen pouze na sbírce vnímání.
- Pokud jde o složitost, je pod dohledem řízená metoda výuky méně složitá, zatímco metoda bez dozoru je složitější.
- Dohlížené učení může také provádět offline analýzu, zatímco učení bez dozoru využívá analýzu v reálném čase.
- Výsledek techniky řízeného učení je přesnější a spolehlivější. Naopak učení bez dozoru vede k mírným, ale spolehlivým výsledkům.
- Klasifikace a regrese jsou typy problémů řešených metodou řízeného učení. Naopak, učení bez dozoru zahrnuje problémy s klastrováním a asociativními pravidly.
Závěr
Školení pod dohledem je technika plnění úkolů poskytováním vzdělávacích, vstupních a výstupních vzorů systémům, zatímco učení bez dozoru je samoučící se technikou, ve které systém musí objevit vlastnosti vstupní populace svým vlastním a žádným předchozím souborem kategorií. Jsou používány.
