Typer af Maskinlæring
Supervised Learning
Supervised learning er en maskinlæringsteknik, hvor modellen trænes på et mærket træningssæt.
De mest populære opgaver inden for supervised learning er:
-
Regression (for eksempel, forudsigelse af prisen på et hus): der kræves et træningssæt mærket med andre huspriser til dette;
-
Klassifikation (for eksempel, klassificering af e-mails som spam/ham): der kræves et træningssæt mærket som spam/ham til dette.
Uovervåget læring
Uovervåget læring er en maskinlæringsteknik, hvor modellen trænes på et ikke-mærket træningssæt.
De vigtigste opgaver inden for uovervåget læring er klyngedannelse, anomalidetektion og dimensionsreduktion.
Klyngedannelse
Grupperer lignende datapunkter i klynger uden mærkater — for eksempel gruppering af e-mails uden at vide, om de er spam eller ej.
Anomalidetektion
Finder datapunkter, der afviger fra normale mønstre, såsom usædvanlige kreditkorttransaktioner, uden behov for svindelmærkater.
Dimensionsreduktion
Reducerer antallet af funktioner, mens vigtig information bevares — også uden mærkater.
Forstærkningslæring
Forstærkningslæring adskiller sig markant fra de to foregående typer. Det er en teknik, der anvendes til at træne selvkørende køretøjer, robotter, AI i spil og mere.
Forstærkningslæring er en maskinlæringsteknik, hvor agenten (f.eks. robotstøvsuger) lærer ved at træffe beslutninger og modtager en belønning, hvis beslutningen er korrekt, og en straf, hvis beslutningen er forkert.
Træning af en hund til at hente fungerer på samme måde som forstærkningslæring: gode handlinger udløser en belønning, forkerte handlinger udløser en straf, og at bringe bolden tilbage udløser en større belønning, hvilket forstærker den ønskede adfærd.
1. For at træne ML-modellen til en superviseret læringsopgave skal et træningssæt indeholde målvariabel (være mærket). Er det korrekt?
2. For at træne ML-modellen til en ikke-superviseret læringsopgave er det ikke nødvendigt, at træningssættet indeholder en målvariabel (er mærket). Er det korrekt?
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 3.13Typer af Maskinlæring
Stryg for at vise menuen
Supervised Learning
Supervised learning er en maskinlæringsteknik, hvor modellen trænes på et mærket træningssæt.
De mest populære opgaver inden for supervised learning er:
-
Regression (for eksempel, forudsigelse af prisen på et hus): der kræves et træningssæt mærket med andre huspriser til dette;
-
Klassifikation (for eksempel, klassificering af e-mails som spam/ham): der kræves et træningssæt mærket som spam/ham til dette.
Uovervåget læring
Uovervåget læring er en maskinlæringsteknik, hvor modellen trænes på et ikke-mærket træningssæt.
De vigtigste opgaver inden for uovervåget læring er klyngedannelse, anomalidetektion og dimensionsreduktion.
Klyngedannelse
Grupperer lignende datapunkter i klynger uden mærkater — for eksempel gruppering af e-mails uden at vide, om de er spam eller ej.
Anomalidetektion
Finder datapunkter, der afviger fra normale mønstre, såsom usædvanlige kreditkorttransaktioner, uden behov for svindelmærkater.
Dimensionsreduktion
Reducerer antallet af funktioner, mens vigtig information bevares — også uden mærkater.
Forstærkningslæring
Forstærkningslæring adskiller sig markant fra de to foregående typer. Det er en teknik, der anvendes til at træne selvkørende køretøjer, robotter, AI i spil og mere.
Forstærkningslæring er en maskinlæringsteknik, hvor agenten (f.eks. robotstøvsuger) lærer ved at træffe beslutninger og modtager en belønning, hvis beslutningen er korrekt, og en straf, hvis beslutningen er forkert.
Træning af en hund til at hente fungerer på samme måde som forstærkningslæring: gode handlinger udløser en belønning, forkerte handlinger udløser en straf, og at bringe bolden tilbage udløser en større belønning, hvilket forstærker den ønskede adfærd.
1. For at træne ML-modellen til en superviseret læringsopgave skal et træningssæt indeholde målvariabel (være mærket). Er det korrekt?
2. For at træne ML-modellen til en ikke-superviseret læringsopgave er det ikke nødvendigt, at træningssættet indeholder en målvariabel (er mærket). Er det korrekt?
Tak for dine kommentarer!
