Контролируемое машинное обучение, неконтролируемое машинное обучение и полуконтролируемое машинное обучение
Машинное обучение — это разновидность искусственного интеллекта (ИИ), которая предоставляет компьютерам возможность обучаться без явного программирования и принимать разумные решения. Это также позволяет машинам расти и совершенствоваться с опытом. Существует 3 типа обучения, которые связаны с машинным обучением: контролируемое, неконтролируемое и частично контролируемое обучение.
Контролируемый: он работает с помеченными данными, а алгоритмы в нем учатся прогнозировать выходные данные на основе самих входных данных.
Неконтролируемый: он работает с неразмеченными данными, и алгоритмы обучаются внутренней структуре входных данных.
Полууправляемый: имеет смешанный случай; некоторые данные помечены, но большая часть не помечена, и можно совместно использовать сочетание контролируемых и неконтролируемых методов.
Контролируемое машинное обучение:
Обучение с учителем используется в большинстве практических применений машинного обучения.
Обучение с учителем используется, когда у нас есть входные переменные (X) и выходная переменная (Y), случайный член ошибки (положительный или отрицательный) с нулевым средним (ϵ), затем мы используем алгоритм для изучения функции отображения (f) из вход на выход.
Y = f(X) + ϵ
Цель состоит в том, чтобы аппроксимировать функцию отображения настолько хорошо, чтобы она работала для любых новых входных данных (x) и могла предсказывать выходные переменные (Y) для тех же данных.
Здесь алгоритм полностью основан на обучении на обучающем наборе данных и на том, как учитель наблюдает за процессом обучения.
Есть два типа задач контролируемого обучения; Классификация и регрессия:
Классификация. Проблема с классификацией возникает, когда выходной переменной является категория, например «Белый», «Черный», «Счастливый» и «Не счастливый».
Регрессия. Проблема регрессии возникает, когда выходная переменная представляет собой реальное значение, например «Фунт» или «Рост».
Неконтролируемое машинное обучение:
Обучение без учителя используется, когда у нас есть только входные данные (X) и нет соответствующих выходных переменных (Y).
Основная цель неконтролируемого обучения — смоделировать базовую структуру или распределение данных, чтобы узнать больше о данных.
Полную версию блога можно найти на странице https://machinelearningcongress.blogspot.pe/2018/04/learning-every-function-with-machine.html.