Надзирано учење је метода у којој подаци о обуци укључују улазне податке и жељене резултате. Обука система са примерима назива се учење под надзором. Иначе, тренирање алгоритма са наставником такође се може третирати као учење под надзором. Након тренинга алгоритма са свим узорцима података или означених података, који имају и предикторе на циљној променљивој, може се обучити алгоритам и користити невидљиви пример за даљу класификацију.
Ево неколико важних карактеристика надзираног учења у Махоуту:
шта је кеиеррор у питхону
- Изградња одговарајућег комплета за обуку, валидацију и тестирање (Бок) је пресудна.
- Ове методе су обично брзе и тачне.
- Методе учења под надзором морају бити у стању да генералишу.
- Дају тачне резултате када се нови подаци дају у уносу без знања априоримета.
- У неким случајевима су тачни резултати (циљеви) познати и дати као инпут моделу током процеса учења.
Пример учења под надзором
У случају да желите да обучавате мисију и добијате две различите групе слика заједно са означеним подацима, нпр. на горњој слици једна група има слике слона, а друга слике лава. Означени подаци подразумевају да сваки скуп података има циљну вредност. У горњем примеру, скуп података су слике слона, док је ознака која му је дата, тј. „Слон“ циљна вредност скупа података. Такав означени скуп података користи се за процес обуке, тако да алгоритам обуке може да искористи овај скуп података и изгради неки модел, који се даље може користити за класификацију невиђених примера без означених података или циљне променљиве.
Идемо идентификовати карактеристике које помажу у идентификовању предмета као слона или лава:
Карактеристике може бити - величина, боја, висина, величина ушију, труп, кљова
Ово се може назвати скупом функција, које ће се користити у сврху обуке. Овај скуп карактеристика утицаће на крајњу циљну променљиву. Ове променљиве су познате као предикторске променљиве , јер нам помажу у одређивању крајња циљна променљива . Коначна променљива се такође може назвати ознаком. Завршна променљива овде је Слон / Лав.
У овом примеру, сваки од записа у категоријама, величина, боја, висина, величина уха, труп и кљова је променљива предиктора, док су Слон и Лав циљне променљиве. Ове променљиве се могу третирати као примери обуке, односно скупови података о обуци.
Дакле, супервизирано учење је начин на који тренирате заједно са ознакама, при чему тражите од алгоритма да из њега извуче одређене карактеристике и на основу тога, кад год видите невиђени пример, алгоритам ће га моћи класификовати у праву класу.
Имате питање за нас? Спомените их у одељку за коментаре и јавићемо вам се.
Повезани постови: