Типи машинного навчання
Кероване навчання
Кероване навчання — це техніка машинного навчання, у якій модель навчається на розміченому навчальному наборі даних.
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.
Найпопулярніші завдання некерованого навчання — це кластеризація, виявлення аномалій та зниження розмірності.
Кластеризація
Це процес групування схожих точок даних у кластери. Для цього не потрібно маркувати дані. Наприклад, навчальний набір електронних листів без міток spam/ham підходить для цього.
Виявлення аномалій
Це процес виявлення відхилень від нормальної поведінки даних. Наприклад, виявлення шахрайства у транзакціях з кредитними картками. Не потрібно маркувати транзакції як шахрайські/не шахрайські. Достатньо надати інформацію про транзакцію моделі, яка визначить, чи виділяється ця транзакція.
Зниження розмірності
Це процес зменшення кількості вимірів із збереженням максимально можливої релевантної інформації. Також не потребує жодних міток.
Підкріплювальне навчання
Підкріплювальне навчання суттєво відрізняється від двох попередніх типів. Це техніка, яку використовують 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.
Уявіть собі дресирування собаки приносити м'яч. Собака отримує нагороду (наприклад, ласощі або похвалу) за те, що підняла м'яч і принесла його ближче до власника. Вона отримує штраф (наприклад, відсутність ласощів або розчарований тон), якщо побіжить у неправильному напрямку або відволічеться. Додатково, вона отримає велику нагороду, коли успішно принесе м'яч власнику.
1. Для навчання моделі машинного навчання для задачі з учителем необхідно, щоб навчальний набір містив цільову змінну (був міченим). Це правильно?
2. Для навчання моделі машинного навчання для задачі без учителя не потрібно, щоб навчальний набір містив цільову змінну (був міченим). Це правильно?
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
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 даних.
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.
Найпопулярніші завдання некерованого навчання — це кластеризація, виявлення аномалій та зниження розмірності.
Кластеризація
Це процес групування схожих точок даних у кластери. Для цього не потрібно маркувати дані. Наприклад, навчальний набір електронних листів без міток spam/ham підходить для цього.
Виявлення аномалій
Це процес виявлення відхилень від нормальної поведінки даних. Наприклад, виявлення шахрайства у транзакціях з кредитними картками. Не потрібно маркувати транзакції як шахрайські/не шахрайські. Достатньо надати інформацію про транзакцію моделі, яка визначить, чи виділяється ця транзакція.
Зниження розмірності
Це процес зменшення кількості вимірів із збереженням максимально можливої релевантної інформації. Також не потребує жодних міток.
Підкріплювальне навчання
Підкріплювальне навчання суттєво відрізняється від двох попередніх типів. Це техніка, яку використовують 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.
Уявіть собі дресирування собаки приносити м'яч. Собака отримує нагороду (наприклад, ласощі або похвалу) за те, що підняла м'яч і принесла його ближче до власника. Вона отримує штраф (наприклад, відсутність ласощів або розчарований тон), якщо побіжить у неправильному напрямку або відволічеться. Додатково, вона отримає велику нагороду, коли успішно принесе м'яч власнику.
1. Для навчання моделі машинного навчання для задачі з учителем необхідно, щоб навчальний набір містив цільову змінну (був міченим). Це правильно?
2. Для навчання моделі машинного навчання для задачі без учителя не потрібно, щоб навчальний набір містив цільову змінну (був міченим). Це правильно?
Дякуємо за ваш відгук!
