Typer av maskinlæring
Overvåket læring
Overvåket læring er en maskinlæringsteknikk der modellen trenes på et merket treningssett.
De mest populære oppgavene innen overvåket læring er:
-
Regresjon (for eksempel å forutsi prisen på et hus): du trenger et treningssett merket med andre huspriser for dette;
-
Klassifisering (for eksempel å klassifisere e-post som spam/ikke-spam): du trenger et treningssett merket som spam/ikke-spam for dette.
Uovervåket læring
Uovervåket læring er en maskinlæringsteknikk der modellen trenes på et ikke-merket treningssett.
De viktigste oppgavene innen uovervåket læring er klynging, anomalideteksjon og dimensjonsreduksjon.
Klynging
Grupperer lignende datapunkter i klynger uten merkelapper — for eksempel gruppering av e-poster uten å vite om de er spam eller ikke.
Anomalideteksjon
Identifiserer datapunkter som avviker fra normale mønstre, som uvanlige kredittkorttransaksjoner, uten behov for svindelmerker.
Dimensjonsreduksjon
Reduserer antall egenskaper samtidig som viktig informasjon bevares — også uten merkelapper.
Forsterkningslæring
Forsterkningslæring skiller seg betydelig fra de to foregående typene. Det er en teknikk som brukes til å trene selvkjørende kjøretøy, roboter, kunstig intelligens i spill og mer.
Forsterkningslæring er en maskinlæringsteknikk der agenten (for eksempel en robotstøvsuger) lærer ved å ta beslutninger og får en belønning hvis beslutningen er riktig og en straff hvis beslutningen er feil.
Å trene en hund til å hente fungerer på lignende måte som forsterkningslæring: gode handlinger gir en belønning, gale handlinger gir en straff, og å lykkes med å hente ballen gir en større belønning, noe som forsterker ønsket atferd.
1. For å trene ML-modellen for en overvåket læringsoppgave, må treningssettet inneholde målvariabel (være merket). Er dette korrekt?
2. For å trene ML-modellen for en ikke-overvåket læringsoppgave, er det ikke nødvendig at treningssettet inneholder en målvariabel (være merket). Er dette korrekt?
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Can you explain the differences between supervised, unsupervised, and reinforcement learning?
Can you give more real-world examples of each type of machine learning?
What are the main advantages and disadvantages of each learning type?
Awesome!
Completion rate improved to 3.13Typer av maskinlæring
Sveip for å vise menyen
Overvåket læring
Overvåket læring er en maskinlæringsteknikk der modellen trenes på et merket treningssett.
De mest populære oppgavene innen overvåket læring er:
-
Regresjon (for eksempel å forutsi prisen på et hus): du trenger et treningssett merket med andre huspriser for dette;
-
Klassifisering (for eksempel å klassifisere e-post som spam/ikke-spam): du trenger et treningssett merket som spam/ikke-spam for dette.
Uovervåket læring
Uovervåket læring er en maskinlæringsteknikk der modellen trenes på et ikke-merket treningssett.
De viktigste oppgavene innen uovervåket læring er klynging, anomalideteksjon og dimensjonsreduksjon.
Klynging
Grupperer lignende datapunkter i klynger uten merkelapper — for eksempel gruppering av e-poster uten å vite om de er spam eller ikke.
Anomalideteksjon
Identifiserer datapunkter som avviker fra normale mønstre, som uvanlige kredittkorttransaksjoner, uten behov for svindelmerker.
Dimensjonsreduksjon
Reduserer antall egenskaper samtidig som viktig informasjon bevares — også uten merkelapper.
Forsterkningslæring
Forsterkningslæring skiller seg betydelig fra de to foregående typene. Det er en teknikk som brukes til å trene selvkjørende kjøretøy, roboter, kunstig intelligens i spill og mer.
Forsterkningslæring er en maskinlæringsteknikk der agenten (for eksempel en robotstøvsuger) lærer ved å ta beslutninger og får en belønning hvis beslutningen er riktig og en straff hvis beslutningen er feil.
Å trene en hund til å hente fungerer på lignende måte som forsterkningslæring: gode handlinger gir en belønning, gale handlinger gir en straff, og å lykkes med å hente ballen gir en større belønning, noe som forsterker ønsket atferd.
1. For å trene ML-modellen for en overvåket læringsoppgave, må treningssettet inneholde målvariabel (være merket). Er dette korrekt?
2. For å trene ML-modellen for en ikke-overvåket læringsoppgave, er det ikke nødvendig at treningssettet inneholder en målvariabel (være merket). Er dette korrekt?
Takk for tilbakemeldingene dine!
