Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Typer av maskininlärning | Maskininlärningskoncept
Introduktion till maskininlärning med Python

Typer av maskininlärning

Svep för att visa menyn

Typer av maskininlärning

Övervakad inlärning

Note
Definition

Övervakad inlärning är en maskininlärningsteknik där modellen tränas på en märkt träningsuppsättning.

De mest populära uppgifterna inom övervakad inlärning är:

  • Regression (till exempel att förutsäga priset på ett hus): du behöver ett träningsset märkt med andra huspriser för detta;

  • Klassificering (till exempel att klassificera e-post som skräppost/icke-skräppost): du behöver ett träningsset märkt som skräppost/icke-skräppost för detta.

Regression och klassificering

Oövervakad inlärning

Note
Definition

Oövervakad inlärning är en maskininlärningsteknik där modellen tränas på en omärkt träningsuppsättning.

De huvudsakliga uppgifterna inom oövervakad inlärning är klustring, avvikelsedetektering och dimensionsreduktion.

Klustring

Grupperar liknande datapunkter i kluster utan etiketter — till exempel att gruppera e-postmeddelanden utan att veta om de är skräppost eller inte.

Avvikelsedetektering

Identifierar datapunkter som avviker från normala mönster, såsom ovanliga kreditkortstransaktioner, utan behov av bedrägerietiketter.

Dimensionsreduktion

Minskar antalet egenskaper samtidigt som viktig information bevaras — också utan etiketter.

Typer av oövervakad inlärning

Förstärkningsinlärning

Förstärkningsinlärning skiljer sig avsevärt från de två tidigare typerna. Det är en teknik som används för att träna självkörande fordon, robotar, AI inom spel och mer.

Note
Definition

Förstärkningsinlärning är en maskininlärningsteknik där agenten (t.ex. dammsugarrobot) lär sig genom att fatta beslut och får en belöning om beslutet är korrekt och en bestraffning om beslutet är felaktigt.

Att träna en hund att hämta fungerar på liknande sätt som förstärkningsinlärning: bra handlingar ger en belöning, fel handlingar ger en bestraffning, och att lyckas hämta bollen ger en större belöning, vilket förstärker det önskade beteendet.

Hund förstärkningsinlärning

1. För att träna ML-modellen för en övervakad inlärningsuppgift behöver du ett träningsset som innehåller målvariabel (vara märkt). Är det korrekt?

2. För att träna ML-modellen för en oövervakad inlärningsuppgift krävs det inte att träningssetet innehåller en målvariabel (vara märkt). Är det korrekt?

question mark

För att träna ML-modellen för en övervakad inlärningsuppgift behöver du ett träningsset som innehåller målvariabel (vara märkt). Är det korrekt?

Vänligen välj det korrekta svaret

question mark

För att träna ML-modellen för en oövervakad inlärningsuppgift krävs det inte att träningssetet innehåller en målvariabel (vara märkt). Är det korrekt?

Vänligen välj det korrekta svaret

Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 2

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Avsnitt 1. Kapitel 2
some-alt