Koneoppimisen Tyypit
Ohjattu oppiminen
Ohjattu oppiminen on koneoppimisen menetelmä, jossa malli opetetaan merkatulla opetusdatalla.
Suosituimmat ohjatun oppimisen tehtävät ovat:
-
Regressio (esimerkiksi talon hinnan ennustaminen): tätä varten tarvitaan opetusdata, jossa on muiden talojen hinnat merkittynä;
-
Luokittelu (esimerkiksi sähköpostin luokittelu roskapostiksi tai normaaliksi): tätä varten tarvitaan opetusdata, jossa viestit on merkitty roskapostiksi tai normaaliksi.
Ohjaamaton oppiminen
Ohjaamaton oppiminen on koneoppimisen menetelmä, 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 petosmerkinnöille.
Ulottuvuuksien vähentäminen
Vähentää ominaisuuksien määrää säilyttäen olennaisen tiedon — myös ilman luokkia.
Vahvistusoppiminen
Vahvistusoppiminen eroaa merkittävästi kahdesta aiemmasta tyypistä. Sitä käytetään itseohjautuvien ajoneuvojen, robottien, pelien tekoälyn ja muiden sovellusten kouluttamiseen.
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.
1. Jotta ML-malli voidaan kouluttaa valvotun oppimisen tehtävään, koulutusjoukon tulee sisältää kohde (olla merkitty). Onko tämä oikein?
2. Jotta ML-malli voidaan kouluttaa valvomattoman oppimisen tehtävään, koulutusjoukon ei tarvitse sisältää kohdetta (olla merkitty). Onko tämä oikein?
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 3.13Koneoppimisen Tyypit
Pyyhkäise näyttääksesi valikon
Ohjattu oppiminen
Ohjattu oppiminen on koneoppimisen menetelmä, jossa malli opetetaan merkatulla opetusdatalla.
Suosituimmat ohjatun oppimisen tehtävät ovat:
-
Regressio (esimerkiksi talon hinnan ennustaminen): tätä varten tarvitaan opetusdata, jossa on muiden talojen hinnat merkittynä;
-
Luokittelu (esimerkiksi sähköpostin luokittelu roskapostiksi tai normaaliksi): tätä varten tarvitaan opetusdata, jossa viestit on merkitty roskapostiksi tai normaaliksi.
Ohjaamaton oppiminen
Ohjaamaton oppiminen on koneoppimisen menetelmä, 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 petosmerkinnöille.
Ulottuvuuksien vähentäminen
Vähentää ominaisuuksien määrää säilyttäen olennaisen tiedon — myös ilman luokkia.
Vahvistusoppiminen
Vahvistusoppiminen eroaa merkittävästi kahdesta aiemmasta tyypistä. Sitä käytetään itseohjautuvien ajoneuvojen, robottien, pelien tekoälyn ja muiden sovellusten kouluttamiseen.
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.
1. Jotta ML-malli voidaan kouluttaa valvotun oppimisen tehtävään, koulutusjoukon tulee sisältää kohde (olla merkitty). Onko tämä oikein?
2. Jotta ML-malli voidaan kouluttaa valvomattoman oppimisen tehtävään, koulutusjoukon ei tarvitse sisältää kohdetta (olla merkitty). Onko tämä oikein?
Kiitos palautteestasi!
