Typer af Maskinlæring
Supervised Learning
Supervised learning er en maskinlæringsteknik, hvor modellen trænes på et mærket træningssæt.
De mest populære opgaver inden for supervised learning er:
-
Regression (for eksempel, forudsigelse af prisen på et hus): du skal bruge et træningssæt mærket med andre huspriser til dette;
-
Klassifikation (for eksempel, klassificering af e-mails som spam/ham): du skal bruge et træningssæt mærket som spam/ham til dette.
Uovervåget læring
Uovervåget læring er en maskinlæringsteknik, hvor modellen trænes på et ikke-mærket træningssæt.
De mest populære opgaver inden for uovervåget læring er klyngedannelse, anomali-detektion og dimensionsreduktion.
Klyngedannelse
En proces, hvor lignende datapunkter grupperes i klynger. Det er ikke nødvendigt at mærke dataene for dette. For eksempel kan et træningssæt af e-mails uden mærkaterne spam/ham anvendes.
Anomali-detektion
En proces, hvor afvigelser fra normal datadfærd identificeres. For eksempel svindelopsporing i kreditkorttransaktioner. Det er ikke nødvendigt at mærke svindel/ikke-svindel. Man giver blot transaktionsoplysningerne til en model, som afgør, om transaktionen skiller sig ud.
Dimensionsreduktion
En proces, hvor antallet af dimensioner reduceres, mens så meget relevant information som muligt bevares. Dette kræver heller ingen mærkater.
Forstærkningslæring
Forstærkningslæring adskiller sig markant fra de to foregående typer. Det er en teknik, der anvendes til at træne selvkørende køretøjer, robotter, AI i spil og mere.
Forstærkningslæring er en maskinlæringsteknik, hvor agenten (f.eks. robotstøvsuger) lærer ved at træffe beslutninger og modtager en belønning, hvis beslutningen er korrekt, og en straf, hvis beslutningen er forkert.
Forestil dig at træne en hund til at hente en bold. Hunden vil modtage en belønning (såsom en godbid eller ros) for at samle bolden op og bringe den tættere på ejeren. Den vil modtage en straf (såsom at undlade at give godbid eller en skuffet tone), hvis den løber i den forkerte retning eller bliver distraheret. Derudover vil den få en stor belønning, når den med succes henter bolden og afleverer den til ejeren.
1. For at træne ML-modellen til en superviseret læringsopgave, skal et træningssæt indeholde målvariabel (være mærket). Er det korrekt?
2. For at træne ML-modellen til en usuperviseret læringsopgave er det ikke nødvendigt, at træningssættet indeholder en målvariabel (er mærket). Er det korrekt?
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Can you explain the main differences between supervised, unsupervised, and reinforcement learning?
Can you give more real-world examples of each type of machine learning?
What are some common algorithms used in supervised, unsupervised, and reinforcement learning?
Awesome!
Completion rate improved to 3.13Typer af Maskinlæring
Stryg for at vise menuen
Supervised Learning
Supervised learning er en maskinlæringsteknik, hvor modellen trænes på et mærket træningssæt.
De mest populære opgaver inden for supervised learning er:
-
Regression (for eksempel, forudsigelse af prisen på et hus): du skal bruge et træningssæt mærket med andre huspriser til dette;
-
Klassifikation (for eksempel, klassificering af e-mails som spam/ham): du skal bruge et træningssæt mærket som spam/ham til dette.
Uovervåget læring
Uovervåget læring er en maskinlæringsteknik, hvor modellen trænes på et ikke-mærket træningssæt.
De mest populære opgaver inden for uovervåget læring er klyngedannelse, anomali-detektion og dimensionsreduktion.
Klyngedannelse
En proces, hvor lignende datapunkter grupperes i klynger. Det er ikke nødvendigt at mærke dataene for dette. For eksempel kan et træningssæt af e-mails uden mærkaterne spam/ham anvendes.
Anomali-detektion
En proces, hvor afvigelser fra normal datadfærd identificeres. For eksempel svindelopsporing i kreditkorttransaktioner. Det er ikke nødvendigt at mærke svindel/ikke-svindel. Man giver blot transaktionsoplysningerne til en model, som afgør, om transaktionen skiller sig ud.
Dimensionsreduktion
En proces, hvor antallet af dimensioner reduceres, mens så meget relevant information som muligt bevares. Dette kræver heller ingen mærkater.
Forstærkningslæring
Forstærkningslæring adskiller sig markant fra de to foregående typer. Det er en teknik, der anvendes til at træne selvkørende køretøjer, robotter, AI i spil og mere.
Forstærkningslæring er en maskinlæringsteknik, hvor agenten (f.eks. robotstøvsuger) lærer ved at træffe beslutninger og modtager en belønning, hvis beslutningen er korrekt, og en straf, hvis beslutningen er forkert.
Forestil dig at træne en hund til at hente en bold. Hunden vil modtage en belønning (såsom en godbid eller ros) for at samle bolden op og bringe den tættere på ejeren. Den vil modtage en straf (såsom at undlade at give godbid eller en skuffet tone), hvis den løber i den forkerte retning eller bliver distraheret. Derudover vil den få en stor belønning, når den med succes henter bolden og afleverer den til ejeren.
1. For at træne ML-modellen til en superviseret læringsopgave, skal et træningssæt indeholde målvariabel (være mærket). Er det korrekt?
2. For at træne ML-modellen til en usuperviseret læringsopgave er det ikke nødvendigt, at træningssættet indeholder en målvariabel (er mærket). Er det korrekt?
Tak for dine kommentarer!
