Die proses om 'n masjienleermodel op te lei behels die blootstelling daarvan aan groot hoeveelhede data om dit in staat te stel om patrone te leer en voorspellings of besluite te neem sonder om uitdruklik vir elke scenario geprogrammeer te word. Tydens die opleidingsfase ondergaan die masjienleermodel 'n reeks iterasies waar dit sy interne parameters aanpas om foute te minimaliseer en sy prestasie op die gegewe taak te verbeter.
Supervisie tydens opleiding verwys na die vlak van menslike ingryping wat nodig is om die leerproses van die model te lei. Die behoefte aan toesig kan wissel na gelang van die tipe masjienleeralgoritme wat gebruik word, die kompleksiteit van die taak en die kwaliteit van die data wat vir opleiding verskaf word.
In toesigleer, wat 'n tipe masjienleer is waar die model op benoemde data opgelei word, is toesig noodsaaklik. Gemerkte data beteken dat elke insetdatapunt met die korrekte uitset gepaard word, wat die model toelaat om die kartering tussen insette en uitsette te leer. Tydens opleiding onder toesig word menslike toesig vereis om die korrekte etikette vir die opleidingsdata te verskaf, die model se voorspellings te evalueer en die model se parameters aan te pas op grond van terugvoer.
Byvoorbeeld, in 'n taak vir beeldherkenning onder toesig, as die doel is om 'n model op te lei om beelde van katte en honde te klassifiseer, sal 'n menslike toesighouer elke beeld as 'n kat of 'n hond moet etiketteer. Die model sal dan uit hierdie benoemde voorbeelde leer om voorspellings op nuwe, onsigbare beelde te maak. Die toesighouer sal die model se voorspellings evalueer en terugvoer gee om die akkuraatheid daarvan te verbeter.
Aan die ander kant vereis leeralgoritmes sonder toesig nie gemerkte data vir opleiding nie. Hierdie algoritmes leer patrone en strukture uit die insetdata sonder eksplisiete leiding. Leer sonder toesig word dikwels gebruik vir take soos groepering, opsporing van anomalie en vermindering van dimensionaliteit. In leer sonder toesig kan die masjien onafhanklik leer sonder die behoefte aan menslike toesig tydens opleiding.
Semi-toesigleer is 'n hibriede benadering wat elemente van beide onder toesig en nie-toesig leer kombineer. In hierdie benadering word die model opgelei op 'n kombinasie van benoemde en ongemerkte data. Die benoemde data verskaf 'n mate van toesig om die leerproses te lei, terwyl die ongemerkte data die model toelaat om bykomende patrone en verwantskappe in die data te ontdek.
Versterkingsleer is 'n ander paradigma van masjienleer waar 'n agent leer om opeenvolgende besluite te neem deur interaksie met 'n omgewing. In versterkingsleer ontvang die agent terugvoer in die vorm van belonings of strawwe gebaseer op sy optrede. Die agent leer om sy kumulatiewe beloning met verloop van tyd te maksimeer deur beproewing en fout. Terwyl versterkingsleer nie eksplisiete toesig in die tradisionele sin vereis nie, kan menslike toesig nodig wees om die beloningstruktuur te ontwerp, die leerdoelwitte te stel of die leerproses te verfyn.
Die behoefte aan toesig tydens masjienleeropleiding hang af van die leerparadigma wat gebruik word, die beskikbaarheid van gemerkte data en die kompleksiteit van die taak. Leer onder toesig vereis menslike toesig om benoemde data te verskaf en die model se prestasie te evalueer. Leer sonder toesig vereis nie toesig nie, aangesien die model onafhanklik van ongemerkte data leer. Semi-toesigleer kombineer elemente van beide onder toesig en nie-toesig leer, terwyl versterkingsleer leer deur interaksie met 'n omgewing behels.
Ander onlangse vrae en antwoorde t.o.v EITC/AI/GCML Google Cloud Machine Learning:
- Wat is teks na spraak (TTS) en hoe dit met KI werk?
- Wat is die beperkings om met groot datastelle in masjienleer te werk?
- Kan masjienleer 'n bietjie dialogiese hulp verleen?
- Wat is die TensorFlow-speelgrond?
- Wat beteken 'n groter datastel eintlik?
- Wat is 'n paar voorbeelde van algoritme se hiperparameters?
- Wat is ensamble learning?
- Wat as 'n gekose masjienleeralgoritme nie geskik is nie en hoe kan 'n mens seker maak om die regte een te kies?
- Wat is die sleutelparameters wat in neurale netwerkgebaseerde algoritmes gebruik word?
- Wat is TensorBoard?
Bekyk meer vrae en antwoorde in EITC/AI/GCML Google Cloud Machine Learning