Leer onder toesig en sonder toesig is twee fundamentele tipes masjienleerparadigmas wat verskillende doeleindes dien gebaseer op die aard van die data en die doelwitte van die taak wat voorhande is. Om te verstaan wanneer om opleiding onder toesig teenoor opleiding sonder toesig te gebruik, is noodsaaklik in die ontwerp van effektiewe masjienleermodelle. Die keuse tussen hierdie twee benaderings hang af van die beskikbaarheid van benoemde data, die gewenste uitkoms en die onderliggende struktuur van die datastel.
Leer onder toesig is 'n tipe masjienleer waar die model op 'n benoemde datastel opgelei word. In leer onder toesig, leer die algoritme om insetdata na die korrekte uitset te karteer deur opleidingsvoorbeelde voor te stel. Hierdie opleidingsvoorbeelde bestaan uit inset-uitset-pare, waar die insetdata vergesel word van die ooreenstemmende korrekte uitset of teikenwaarde. Die doel van leer onder toesig is om 'n karteringsfunksie van insetveranderlikes tot uitvoerveranderlikes aan te leer, wat dan gebruik kan word om voorspellings op onsigbare data te maak.
Leer onder toesig word tipies gebruik wanneer die verlangde uitset bekend is en die doel is om die verband tussen die inset- en uitsetveranderlikes te leer. Dit word algemeen toegepas in take soos klassifikasie, waar die doel is om die klasetikette van nuwe gevalle te voorspel, en regressie, waar die doel is om 'n deurlopende waarde te voorspel. Byvoorbeeld, in 'n leerscenario onder toesig, kan jy 'n model oplei om te voorspel of 'n e-pos strooipos is of nie, gebaseer op die inhoud van die e-pos en die gemerkte strooipos/nie-strooiposstatus van vorige e-posse.
Aan die ander kant is leer sonder toesig 'n tipe masjienleer waar die model opgelei word op 'n ongemerkte datastel. In leer sonder toesig, leer die algoritme patrone en strukture uit die insetdata sonder eksplisiete terugvoer oor die korrekte uitset. Die doel van leer sonder toesig is om die onderliggende struktuur van die data te verken, verborge patrone te ontdek en betekenisvolle insigte te onttrek sonder die behoefte aan gemerkte data.
Leer sonder toesig word algemeen gebruik wanneer die doel is om die data te verken, versteekte patrone te vind en soortgelyke datapunte saam te groepeer. Dit word dikwels toegepas in take soos groepering, waar die doel is om soortgelyke datapunte in groepe te groepeer op grond van hul kenmerke, en dimensionaliteitvermindering, waar die doel is om die aantal kenmerke te verminder terwyl die noodsaaklike inligting in die data bewaar word. Byvoorbeeld, in 'n leerscenario sonder toesig, kan jy groepering gebruik om kliënte te groepeer op grond van hul aankoopgedrag sonder enige voorafkennis van klantsegmente.
Die keuse tussen leer onder toesig en sonder toesig hang van verskeie faktore af. As jy 'n benoemde datastel het en spesifieke uitkomste wil voorspel, is leer onder toesig die gepaste keuse. Aan die ander kant, as jy 'n ongemerkte datastel het en die datastruktuur wil verken of verborge patrone wil vind, is leer sonder toesig meer geskik. In sommige gevalle kan 'n kombinasie van beide onder toesig en sonder toesig tegnieke, bekend as semi-toesig leer, gebruik word om die voordele van beide benaderings te benut.
Die besluit om opleiding onder toesig teenoor opleiding sonder toesig in masjienleer te gebruik, hang af van die beskikbaarheid van gemerkte data, die aard van die taak en die gewenste uitkoms. Om die verskille tussen leer onder toesig en sonder toesig te verstaan, is noodsaaklik vir die ontwerp van effektiewe masjienleermodelle wat betekenisvolle insigte kan onttrek en akkurate voorspellings uit data kan maak.
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?
- Benodig 'n masjienleermodel toesig tydens sy opleiding?
- Wat is die sleutelparameters wat in neurale netwerkgebaseerde algoritmes gebruik word?
Bekyk meer vrae en antwoorde in EITC/AI/GCML Google Cloud Machine Learning