Inhoudsopgave:

Wat is associatie bij leren zonder toezicht?
Wat is associatie bij leren zonder toezicht?

Video: Wat is associatie bij leren zonder toezicht?

Video: Wat is associatie bij leren zonder toezicht?
Video: Elektronisch Toezicht - Justitiehuizen 2024, November
Anonim

Vereniging regels of vereniging analyse is ook een belangrijk onderwerp in datamining. Dit is een ongecontroleerd methode, dus we beginnen met een niet-gelabelde dataset. Een ongelabelde dataset is een dataset zonder variabele die ons het juiste antwoord geeft. Vereniging analyse probeert relaties tussen verschillende entiteiten te vinden.

Zijn associatieregels dienovereenkomstig leren zonder toezicht?

In tegenstelling tot beslisboom en regel set inductie, wat resulteert in classificatiemodellen, associatie regel leren is een leren zonder toezicht methode, zonder klasselabels toegewezen aan de voorbeelden. Dit zou dan een Supervised zijn Aan het leren taak, waarbij het NN leert van voorgecalculeerde voorbeelden.

En wat betekent onbegeleid leren? Onbegeleid leren is een type van machine learning algoritme dat wordt gebruikt om conclusies te trekken uit datasets die bestaan uit invoergegevens zonder gelabelde antwoorden. De meest voorkomende leren zonder toezicht methode is clusteranalyse, die is gebruikt voor verkennende gegevensanalyse om verborgen patronen of groepering in gegevens te vinden.

En wat is een voorbeeld van leren zonder toezicht?

Hier kan zijn voorbeelden van onbewaakte machine learning zoals k-betekent Clustering , Verborgen Markov-model, DBSCAN Clustering , PCA, t-SNE, SVD, Associatieregel. Laten we er een paar bekijken: k-means Clustering - Datamining. k-betekent clustering is het centrale algoritme in machine learning zonder toezicht operatie.

Wat zijn verschillende soorten onbegeleid leren?

Enkele van de meest voorkomende algoritmen die worden gebruikt bij leren zonder toezicht zijn:

  • Clustering. hiërarchische clustering, k-means.
  • Onregelmatigheidsdetectie. Lokale uitschieterfactor.
  • Neurale netwerken. Auto-encoders. Diepe geloofsnetten.
  • Benaderingen voor het leren van latente variabele modellen zoals. Verwachtingsmaximalisatie-algoritme (EM) Methode van momenten.

Aanbevolen: