Типи машинного навчання
Кероване навчання
Кероване навчання — це техніка машинного навчання, у якій модель навчається на розміченому навчальному наборі.
Найпоширеніші задачі керованого навчання:
-
Регресія (наприклад, прогнозування ціни будинку): для цього потрібен навчальний набір, розмічений іншими цінами будинків;
-
Класифікація (наприклад, класифікація електронної пошти як спам/не спам): для цього потрібен навчальний набір, розмічений як спам/не спам.
Некероване навчання
Некероване навчання — це техніка машинного навчання, у якій модель навчається на немаркованому навчальному наборі.
Основні завдання некерованого навчання — це кластеризація, виявлення аномалій та зниження розмірності.
Кластеризація
Групування схожих точок даних у кластери без міток — наприклад, групування електронних листів без інформації про те, чи є вони спамом.
Виявлення аномалій
Пошук точок даних, які відхиляються від нормальних шаблонів, наприклад, незвичайні транзакції з кредитних карток, без необхідності мати мітки шахрайства.
Зниження розмірності
Зменшення кількості ознак із збереженням важливої інформації — також без використання міток.
Підкріплювальне навчання
Підкріплювальне навчання суттєво відрізняється від попередніх двох типів. Ця техніка використовується для навчання автономних транспортних засобів, роботів, штучного інтелекту в іграх тощо.
Підкріплювальне навчання — це техніка машинного навчання, у якій агент (наприклад, робот-пилосос) навчається шляхом прийняття рішень і отримує нагороду за правильне рішення та штраф за неправильне.
Дресирування собаки приносити предмети працює подібно до підкріплювального навчання: правильні дії приносять нагороду, неправильні — штраф, а успішне повернення м'яча — більшу нагороду, що підсилює бажану поведінку.
1. Для навчання моделі машинного навчання для задачі з учителем необхідно, щоб навчальна вибірка містила цільову змінну (була міченою). Це правильно?
2. Для навчання моделі машинного навчання для задачі без учителя не потрібно, щоб навчальна вибірка містила цільову змінну (була міченою). Це правильно?
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
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 3.13Типи машинного навчання
Свайпніть щоб показати меню
Кероване навчання
Кероване навчання — це техніка машинного навчання, у якій модель навчається на розміченому навчальному наборі.
Найпоширеніші задачі керованого навчання:
-
Регресія (наприклад, прогнозування ціни будинку): для цього потрібен навчальний набір, розмічений іншими цінами будинків;
-
Класифікація (наприклад, класифікація електронної пошти як спам/не спам): для цього потрібен навчальний набір, розмічений як спам/не спам.
Некероване навчання
Некероване навчання — це техніка машинного навчання, у якій модель навчається на немаркованому навчальному наборі.
Основні завдання некерованого навчання — це кластеризація, виявлення аномалій та зниження розмірності.
Кластеризація
Групування схожих точок даних у кластери без міток — наприклад, групування електронних листів без інформації про те, чи є вони спамом.
Виявлення аномалій
Пошук точок даних, які відхиляються від нормальних шаблонів, наприклад, незвичайні транзакції з кредитних карток, без необхідності мати мітки шахрайства.
Зниження розмірності
Зменшення кількості ознак із збереженням важливої інформації — також без використання міток.
Підкріплювальне навчання
Підкріплювальне навчання суттєво відрізняється від попередніх двох типів. Ця техніка використовується для навчання автономних транспортних засобів, роботів, штучного інтелекту в іграх тощо.
Підкріплювальне навчання — це техніка машинного навчання, у якій агент (наприклад, робот-пилосос) навчається шляхом прийняття рішень і отримує нагороду за правильне рішення та штраф за неправильне.
Дресирування собаки приносити предмети працює подібно до підкріплювального навчання: правильні дії приносять нагороду, неправильні — штраф, а успішне повернення м'яча — більшу нагороду, що підсилює бажану поведінку.
1. Для навчання моделі машинного навчання для задачі з учителем необхідно, щоб навчальна вибірка містила цільову змінну (була міченою). Це правильно?
2. Для навчання моделі машинного навчання для задачі без учителя не потрібно, щоб навчальна вибірка містила цільову змінну (була міченою). Це правильно?
Дякуємо за ваш відгук!
