Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Koneoppimisen Tyypit | Koneoppimisen Käsitteet
Johdatus koneoppimiseen Pythonilla

Koneoppimisen Tyypit

Pyyhkäise näyttääksesi valikon

Koneoppimisen tyypit

Ohjattu oppiminen

Note
Määritelmä

Ohjattu oppiminen on koneoppimisen menetelmä, jossa mallia opetetaan merkatulla opetusdatalla.

Suosituimmat ohjatun oppimisen tehtävät ovat:

  • Regressio (esimerkiksi talon hinnan ennustaminen): tätä varten tarvitset opetusdatan, jossa on merkitty muiden talojen hinnat;

  • Luokittelu (esimerkiksi sähköpostin luokittelu roskapostiksi tai normaaliksi): tätä varten tarvitset opetusdatan, jossa viestit on merkitty roskapostiksi tai normaaliksi.

Regressio ja luokittelu

Ohjaamaton oppiminen

Note
Määritelmä

Ohjaamaton oppiminen on koneoppimistekniikka, jossa malli opetetaan merkitsemättömällä opetusdatalla.

Tärkeimmät ohjaamattoman oppimisen tehtävät ovat klusterointi, poikkeavuuksien tunnistus ja ulottuvuuksien vähentäminen.

Klusterointi

Ryhmittelee samankaltaiset datapisteet klustereihin ilman luokkia — esimerkiksi sähköpostien ryhmittely ilman tietoa siitä, ovatko ne roskapostia vai eivät.

Poikkeavuuksien tunnistus

Löytää datapisteet, jotka poikkeavat tavanomaisista malleista, kuten epätavalliset luottokorttitapahtumat, ilman tarvetta petosluokille.

Ulottuvuuksien vähentäminen

Vähentää ominaisuuksien määrää säilyttäen tärkeän tiedon — myös ilman luokkia.

Ohjaamattoman oppimisen tyypit

Vahvistusoppiminen

Vahvistusoppiminen eroaa merkittävästi kahdesta aiemmasta tyypistä. Sitä käytetään itseohjautuvien ajoneuvojen, robottien, tekoälyn peleissä ja muissa sovelluksissa kouluttamiseen.

Note
Määritelmä

Vahvistusoppiminen on koneoppimistekniikka, jossa agentti (esim. robotti-imuri) oppii tekemällä päätöksiä ja saa palkkion, jos päätös on oikea, ja rangaistuksen, jos päätös on väärä.

Koiran kouluttaminen noutamaan toimii samalla tavalla kuin vahvistusoppiminen: hyvät toiminnot tuottavat palkkion, väärät toiminnot tuottavat rangaistuksen, ja pallon onnistunut tuominen tuottaa suuremman palkkion, mikä vahvistaa toivottua käyttäytymistä.

Koiran vahvistusoppiminen

1. Jotta ML-malli voidaan kouluttaa valvotun oppimisen tehtävään, harjoitusaineiston tulee sisältää kohde (olla merkitty). Onko tämä oikein?

2. ML-mallin kouluttamiseen valvomattoman oppimisen tehtävässä ei tarvita harjoitusaineistoon kohdetta (merkintää). Onko tämä oikein?

question mark

Jotta ML-malli voidaan kouluttaa valvotun oppimisen tehtävään, harjoitusaineiston tulee sisältää kohde (olla merkitty). Onko tämä oikein?

Valitse oikea vastaus

question mark

ML-mallin kouluttamiseen valvomattoman oppimisen tehtävässä ei tarvita harjoitusaineistoon kohdetta (merkintää). Onko tämä oikein?

Valitse oikea vastaus

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 1. Luku 2

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Osio 1. Luku 2
some-alt