Наблюдаваното и неконтролираното обучение са двете техники на машинното обучение. Но и двете техники се използват в различни сценарии и с различни набори от данни. По-долу е дадено обяснението на двата метода на обучение заедно с тяхната таблица на разликите.
Контролирано машинно обучение:
Наблюдаваното обучение е метод за машинно обучение, при който моделите се обучават с помощта на етикетирани данни. При контролираното обучение моделите трябва да намерят функцията за картографиране, за да съпоставят входната променлива (X) с изходната променлива (Y).
gimp как да премахнете отметката
Наблюдаваното обучение се нуждае от надзор, за да обучи модела, което е подобно на това, когато ученик учи неща в присъствието на учител. Контролираното обучение може да се използва за два типа проблеми: Класификация и Регресия .
Научете повече Контролирано машинно обучение
релационен субект
Пример: Да предположим, че имаме изображение на различни видове плодове. Задачата на нашия модел за контролирано обучение е да идентифицира плодовете и да ги класифицира по съответния начин. Така че, за да идентифицираме изображението при контролирано обучение, ние ще предоставим входните данни, както и изходните данни за това, което означава, че ще обучим модела по формата, размера, цвета и вкуса на всеки плод. След като обучението приключи, ние ще тестваме модела, като дадем новия комплект плодове. Моделът ще идентифицира плода и ще предвиди изхода с помощта на подходящ алгоритъм.
Машинно обучение без надзор:
Неконтролираното обучение е друг метод за машинно обучение, при който моделите се извеждат от немаркираните входни данни. Целта на обучението без надзор е да се намерят структурата и моделите от входните данни. Ученето без надзор не се нуждае от надзор. Вместо това той сам намира модели от данните.
Научете повече Машинно обучение без надзор
arraylist сортиране
Неконтролираното обучение може да се използва за два вида проблеми: Клъстеризиране и Асоциация .
Пример: За да разберем обучението без надзор, ще използваме примера, даден по-горе. Така че за разлика от контролираното обучение, тук няма да предоставим супервизия на модела. Ние просто ще предоставим входния набор от данни на модела и ще позволим на модела да намери моделите от данните. С помощта на подходящ алгоритъм моделът ще се обучи и ще раздели плодовете на различни групи според най-сходните характеристики между тях.
Основните разлики между контролираното и неконтролираното обучение са дадени по-долу:
| Контролирано обучение | Учене без надзор |
|---|---|
| Алгоритмите за контролирано обучение се обучават с помощта на етикетирани данни. | Алгоритмите за неконтролирано обучение се обучават с помощта на немаркирани данни. |
| Моделът на контролирано обучение приема директна обратна връзка, за да провери дали предвижда правилен резултат или не. | Моделът на обучение без надзор не приема никаква обратна връзка. |
| Моделът за контролирано обучение предвижда резултата. | Моделът на обучение без надзор открива скритите модели в данните. |
| При контролирано обучение входните данни се предоставят на модела заедно с изхода. | При неконтролирано обучение на модела се предоставят само входни данни. |
| Целта на контролираното обучение е да обучи модела, така че да може да предвиди изхода, когато му бъдат дадени нови данни. | Целта на неконтролираното обучение е да се намерят скритите модели и полезни прозрения от неизвестния набор от данни. |
| Наблюдаваното обучение се нуждае от супервизия, за да обучи модела. | Обучението без надзор не се нуждае от надзор за обучение на модела. |
| Наблюдаваното обучение може да бъде категоризирано в Класификация и Регресия проблеми. | Неконтролираното обучение може да се класифицира в Клъстеризиране и Асоциации проблеми. |
| Обучението под наблюдение може да се използва за случаите, когато знаем входа, както и съответните изходи. | Обучението без надзор може да се използва за случаите, когато имаме само входни данни и нямаме съответните изходни данни. |
| Моделът на контролирано обучение дава точен резултат. | Моделът на обучение без надзор може да даде по-малко точен резултат в сравнение с обучението под надзор. |
| Контролираното обучение не е близо до истинския изкуствен интелект, тъй като при него първо обучаваме модела за всяка информация и след това само той може да предвиди правилния резултат. | Ученето без надзор е по-близко до истинския изкуствен интелект, тъй като се учи по същия начин, както детето научава ежедневни рутинни неща от своя опит. |
| Той включва различни алгоритми като линейна регресия, логистична регресия, опорна векторна машина, многокласова класификация, дърво на решенията, байесова логика и др. | Той включва различни алгоритми като клъстериране, KNN и алгоритъм Apriori. |