Wat zijn begeleide en niet-gesuperviseerde leeralgoritmen?
Wat zijn begeleide en niet-gesuperviseerde leeralgoritmen?

Video: Wat zijn begeleide en niet-gesuperviseerde leeralgoritmen?

Video: Wat zijn begeleide en niet-gesuperviseerde leeralgoritmen?
Video: Supervised vs Unsupervised vs Reinforcement Learning | Machine Learning Tutorial | Simplilearn 2024, Mei
Anonim

onder toezicht : Alle gegevens zijn gelabeld en de algoritmen leren om de uitvoer van de invoergegevens te voorspellen. Ongecontroleerd : Alle gegevens zijn niet gelabeld en de algoritmen leren naar de inherente structuur van de invoergegevens.

Wat is hier het verschil tussen begeleide en niet-gesuperviseerde leeralgoritmen?

Leren onder toezicht is de techniek om een taak te volbrengen door te voorzien in opleiding , invoer- en uitvoerpatronen naar de systemen, terwijl: leren zonder toezicht is een zelf- aan het leren techniek waarbij het systeem de kenmerken van de invoerpopulatie zelf moet ontdekken en er geen eerdere reeks categorieën wordt gebruikt.

wat is begeleid zonder toezicht en versterkend leren? In een notendop, leren onder toezicht is wanneer een model met begeleiding leert van een gelabelde dataset. En, leren zonder toezicht is waar de machine is gegeven opleiding gebaseerd op niet-gelabelde gegevens zonder enige begeleiding.

En wat is bijvoorbeeld begeleid en niet-gesuperviseerd leren?

In Leren onder toezicht , jij traint de machine met behulp van gegevens die goed "gelabeld" zijn. Voor voorbeeld , Baby kan andere honden identificeren op basis van verleden leren onder toezicht . regressie en Classificatie zijn twee soorten begeleid machine learning technieken. Clustering en Associatie zijn twee soorten Leren zonder toezicht.

Wat is een begeleid leeralgoritme?

Leren onder toezicht is de machine learning taak van aan het leren een functie die een invoer toewijst aan een uitvoer op basis van voorbeelden van invoer-uitvoerparen. EEN algoritme voor begeleid leren analyseert de opleiding gegevens en produceert een afgeleide functie, die kan worden gebruikt voor het in kaart brengen van nieuwe voorbeelden.

Aanbevolen: