В чем разница между контролируемым обучением и неконтролируемым обучением?

Question

С точки зрения искусственного интеллекта и машинного обучения, в чем разница между контролируемым и неконтролируемым обучением? Можете ли вы дать простое, простое объяснение с примером?

Answer 1

Контролируемое обучение : Вы вводите в качестве входных данных различные примеры данных вместе с правильными ответами. Этот алгоритм извлечет уроки из этого и начнет прогнозировать правильные результаты на основе последующих данных. Пример : фильтр нежелательной почты

Обучение без учителя : Вы просто даете данные и ничего не говорите - например, ярлыки или правильные ответы. Алгоритм автоматически анализирует закономерности в данных. Пример : Новости Google

Answer 2

Обучение под наблюдением, данные с ответом.

Учитывая письмо, помеченное как спам / не спам, изучите фильтр спама.

Учитывая набор данных пациентов, у которых диагностирован диабет или нет, научитесь классифицировать новых пациентов как диабет или нет.

Обучение без учителя, учитывая данные без ответа, позволяет ПК группировать вещи.

Учитывая набор новостных статей, найденных в Интернете, сгруппируйте их в набор статей, посвященных той же истории.

Имея базу данных пользовательских данных, автоматически обнаруживать сегменты рынка и группировать клиентов по различным сегментам рынка.

Ссылка

Answer 3

контролируемое обучение: говорят, что ребенок идет в детский сад. здесь учитель показывает ему 3 игрушки-домик, мяч и машину. сейчас учитель дает ему 10 игрушек. он классифицирует их по 3 коробкам с домом, мячом и машиной на основе своего предыдущего опыта. таким образом, ребенок сначала контролировался учителями для получения правильных ответов для нескольких сетов. Затем он был проверен на неизвестных игрушках.

Обучение без учителя: опять пример детского сада. Ребенку дают 10 игрушек. ему велят разделять подобные. поэтому, основываясь на таких особенностях, как форма, размер, цвет, функции и т. д., он попытается сделать 3 группы, скажем, A, B, C и сгруппировать их.

Слово «Надзор» означает, что вы даете надзору / инструкции машине, чтобы помочь ей найти ответы. Как только он изучает инструкции, он может легко предсказать новый случай.

Необслуживаемый означает, что нет надзора или инструкции, как найти ответы / ярлыки, и машина будет использовать свой интеллект, чтобы найти какой-то образец в наших данных. Здесь он не будет делать прогнозы, он просто попытается найти кластеры с похожими данными.

Answer 4

Обучение под наблюдением

В этом каждый шаблон ввода, который используется для обучения сети связанный с выходным шаблоном, который является целью или желаемым шаблон. Предполагается, что учитель присутствует во время обучения процесс, когда выполняется сравнение между вычисленной сетью выход и правильный ожидаемый результат, чтобы определить ошибку. ошибка может быть использована для изменения параметров сети, что приводит к улучшение производительности.

Обучение без учителя

В этом методе обучения целевой результат не представляется сеть. Это как если бы не было учителя, чтобы представить желаемое и, следовательно, система учится самостоятельно, обнаруживая и адаптация к структурным особенностям в шаблонах ввода.

Answer 5

контролируемое обучение

У вас есть вход x и целевой выход t. Итак, вы тренируете алгоритм для обобщения недостающих частей. Это контролируется, потому что цель задана. Вы руководитель, который говорит алгоритму: для примера x вы должны вывести t!

Обучение без учителя

Хотя сегментация, кластеризация и сжатие обычно учитываются в этом направлении, мне трудно найти хорошее определение для этого.

Давайте возьмем авто-кодировщики для сжатия в качестве примера. В то время как у вас есть только введенный ввод x, инженер-человек говорит алгоритму, что целью также является x. Так что в некотором смысле это не отличается от контролируемого обучения.

А что касается кластеризации и сегментации, я не слишком уверен, действительно ли это соответствует определению машинного обучения (см. другой вопрос ).

Answer 6

контролируемое обучение: вы пометили данные и должны извлечь из них уроки. например, данные о домах вместе с ценой, а затем научиться прогнозировать цену

Необучаемое обучение: вы должны найти тенденцию и затем предсказать, без предварительных ярлыков например, разные люди в классе, а затем приходит новый человек, к какой группе принадлежит этот новый студент.

Answer 7

Обучение под наблюдением может пометить новый предмет в одном из обученных ярлыков на основе обучения во время обучения. Вам необходимо предоставить большое количество обучающих данных, проверочных данных и тестовых данных. Если вы предоставите, скажем, пиксельные векторы изображений цифр вместе с обучающими данными с метками, то он может идентифицировать числа.

Обучение без учителя не требует обучающих наборов данных. При неконтролируемом обучении он может группировать элементы в разные кластеры, основываясь на разнице входных векторов. Если вы предоставите пиксельные векторы изображений цифр и попросите классифицировать их по 10 категориям, это может сделать это. Но он знает, как его пометить, поскольку вы не предоставили обучающие ярлыки.

Answer 8

Обучение под наблюдением :

Алгоритм контролируемого обучения анализирует данные обучения и выдает выводимую функцию, которую можно использовать для отображения новых примеров.

1. Мы предоставляем данные обучения и знаем правильный вывод для определенного ввода
2. Мы знаем соотношение между входом и выходом

Категории проблем:

Регрессия: Прогнозирование результатов в непрерывном выводе => преобразование входных переменных в некоторую непрерывную функцию.

* * 1 022 Пример: * 1 023 *

Учитывая изображение человека, предскажите его возраст

Классификация: Прогнозирование приводит к дискретному выводу => преобразование входных переменных в дискретные категории

* +1034 * Пример: * * одна тысяча тридцать пять

Является ли этот опухоль раковым?

Обучение без учителя:

Необучаемое обучение учится на тестовых данных, которые не были помечены, классифицированы или классифицированы. Неконтролируемое обучение выявляет общие черты в данных и реагирует на основании наличия или отсутствия таких общих черт в каждом новом фрагменте данных.

1. Мы можем вывести эту структуру путем кластеризации данных на основе отношений между переменными в данных.

2. По результатам прогноза обратной связи не поступило.

Категории проблем:

Кластеризация: - это задача группировки объектов таким образом, чтобы объекты в одной группе (называемой кластером) были более похожи (в некотором смысле) на друг с другом, чем с другими группами (кластерами)

* * Пример тысяча семьдесят-одна: * * тысяча семьдесят-две

Возьмите коллекцию из 1 000 000 различных генов и найдите способ автоматически сгруппировать эти гены в группы, которые каким-то образом похожи или связаны различными переменными, такими как продолжительность жизни, местоположение, роли и т. Д. .

Здесь перечислены популярные варианты использования.

Разница между классификацией и кластеризацией в интеллектуальном анализе данных?

Ссылки:

Supervised_learning

Unsupervised_learning

машинное обучение с курса

towardsdatascience

Answer 9

в простом Контролируемое обучение - это тип проблемы машинного обучения, при котором у нас есть несколько меток, и с помощью этих меток мы реализуем алгоритм, такой как регрессия и классификация. Классификация применяется там, где наш вывод похож на форму 0 или 1, правда / ложь, да / нет. и регрессия применяется там, где из реальной стоимости стоит такой дом по цене

Необучаемое обучение - это тип проблемы машинного обучения, при котором у нас нет меток, что означает, что у нас есть только некоторые данные, неструктурированные данные и мы должны кластеризовать данные (группировать данные), используя неконтролируемый алгоритм

Answer 10

Контролируемое обучение - это, в основном, метод, в котором данные обучения, на которых обучается машина, уже помечены, что предполагает простой классификатор четных нечетных чисел, в котором вы уже классифицировали данные во время обучения. Поэтому он использует данные "LABELED".

Напротив, неконтролируемое обучение - это метод, при котором машина сама маркирует данные. Или вы можете сказать, что это тот случай, когда машина учится сама с нуля.