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.
Найпопулярніші задачі 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 цієї задачі.
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 при збереженні максимально можливої кількості релевантної інформації. Також не потребує жодних міток.
Підкріплювальне навчання
Підкріплювальне навчання суттєво відрізняється від попередніх двох 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, щоб вона приносила 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. Крім того, 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 3.13
Типи 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.
Найпопулярніші задачі 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 цієї задачі.
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 при збереженні максимально можливої кількості релевантної інформації. Також не потребує жодних міток.
Підкріплювальне навчання
Підкріплювальне навчання суттєво відрізняється від попередніх двох 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, щоб вона приносила 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. Крім того, 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!