Was ist der Unterschied zwischen überwachtem und unüberwachtem Lernen im Bereich der künstlichen Intelligenz und des maschinellen Lernens? Können Sie eine einfache Erklärung mit einem Beispiel geben?
Antworten
Zu viele Anzeigen?Überwachtes Lernen ist im Grunde eine Technik, bei der die Trainingsdaten, aus denen die Maschine lernt, bereits etikettiert sind, d.h. nehmen wir an, es handelt sich um einen einfachen Klassifikator für gerade und ungerade Zahlen, bei dem die Daten bereits während des Trainings klassifiziert wurden. Es verwendet also "ETIKETTIERTE" Daten.
Unüberwachtes Lernen hingegen ist eine Technik, bei der die Maschine die Daten selbst kennzeichnet. Oder man kann sagen, dass es der Fall ist, wenn die Maschine von Grund auf selbst lernt.
In Einfach Überwachtes Lernen ist eine Art von maschinellem Lernproblem, bei dem wir einige Kennzeichnungen haben und mit Hilfe dieser Kennzeichnungen Algorithmen wie Regression und Klassifizierung implementieren. 0 oder 1, wahr/falsch, ja/nein. und Regression wird angewandt, wo wir einen realen Wert wie ein Hauspreis setzen
Unüberwachtes Lernen ist eine Art von maschinellem Lernproblem, bei dem wir keine Kennzeichnungen haben, d.h. wir haben nur einige Daten, unstrukturierte Daten, und wir müssen die Daten clustern (Daten gruppieren), indem wir verschiedene unüberwachte Algorithmen verwenden
Überwachtes Lernen :
Ein überwachter Lernalgorithmus analysiert die Trainingsdaten und erstellt eine abgeleitete Funktion, die für die Zuordnung neuer Beispiele verwendet werden kann.
- Wir liefern Trainingsdaten und kennen die korrekte Ausgabe für eine bestimmte Eingabe
- Wir kennen die Beziehung zwischen Input und Output
Kategorien von Problemen:
Regression: Vorhersage von Ergebnissen innerhalb einer kontinuierlichen Ausgabe => Zuordnung von Eingangsvariablen zu einer kontinuierlichen Funktion.
Ejemplo:
Vorgabe eines Bildes einer Person, Vorhersage ihres Alters
Einstufung: Vorhersage von Ergebnissen in einer diskreten Ausgabe => Zuordnung von Eingangsvariablen zu diskreten Kategorien
Ejemplo:
Ist diese Gelbwurzel krebserregend?
Unüberwachtes Lernen:
Unüberwachtes Lernen lernt aus Testdaten, die noch nicht gekennzeichnet, klassifiziert oder kategorisiert wurden. Unüberwachtes Lernen identifiziert Gemeinsamkeiten in den Daten und reagiert auf der Grundlage des Vorhandenseins oder Nichtvorhandenseins solcher Gemeinsamkeiten in jedem neuen Datenteil.
-
Wir können diese Struktur ableiten, indem wir die Daten auf der Grundlage der Beziehungen zwischen den Variablen in den Daten clustern.
-
Es gibt keine Rückmeldung über die Ergebnisse der Vorhersage.
Kategorien von Problemen:
Clustering: ist die Aufgabe, eine Menge von Objekten so zu gruppieren, dass die Objekte in derselben Gruppe (genannt Cluster) einander (in gewissem Sinne) ähnlicher sind als die Objekte in anderen Gruppen (Clustern)
Ejemplo:
Man nehme eine Sammlung von 1.000.000 verschiedenen Genen und finde einen Weg, diese Gene automatisch in Gruppen zu gruppieren, die in irgendeiner Weise ähnlich sind oder durch verschiedene Variablen miteinander in Verbindung stehen, z. B. Lebensdauer, Position, Aufgaben usw. .
Beliebte Anwendungsfälle sind hier aufgeführt.
Unterschied zwischen Klassifizierung und Clustering im Data Mining?
Referenzen:
En Überwachtes Lernen wir wissen, wie der Input und der Output aussehen sollen. Ein Beispiel: Wir haben eine Reihe von Autos. Wir müssen herausfinden, welche davon rot und welche blau sind.
in Erwägung nachstehender Gründe, Unüberwachtes Lernen ist der Fall, in dem wir die Antwort mit einer sehr geringen oder gar keiner Vorstellung darüber herausfinden müssen, wie die Ausgabe aussehen soll. Ein Lerner könnte beispielsweise ein Modell erstellen, das anhand der Korrelation von Gesichtsmustern und Wörtern wie "Worüber lächeln Sie?" erkennt, wann Menschen lächeln.
Überwachtes Lernen
Unüberwachtes Lernen
Ejemplo:
Überwachtes Lernen:
-
Eine Tüte mit Apfel
-
Eine Tasche mit Orange
\=> Modell bauen
-
Eine gemischte Tüte mit Apfel und Orange.
\=> Bitte einordnen
Unüberwachtes Lernen:
-
Eine gemischte Tüte mit Apfel und Orange.
\=> Modell bauen
-
Eine weitere gemischte Tüte
\=> Bitte einordnen
0 Stimmen
github.com/niektuytel/Machine_Learning/tree/main