[機械学習]サポート型学習、コンサルタント型学習(指導的学習、非指導的学習)
1786 ワード
📌 機械学習タイプ分類
入力データによって「マシンラーニング」は2種類に分けられます.
📌 サポートされるラーニング
指導的学習は予測的学習とも呼ばれ,一対の入出力の訓練セットである.すなわち,入力された特徴ベクトルと出力されたクラスまたはラベルを訓練セットとする.
訓練セットの入力はD次元からなる特徴ベクトルである.
トレーニングセットの出力は、labelやclassなどの分類に関する情報、または一般的な実際の値です.
ここでreal valueとして出力される場合、これは回帰問題です.
あるいは、出力がカテゴリ(labelまたはclass)である場合、分類(分類)またはモード識別(モード識別問題)になります.
上記の図を例にとると、指導学習では、4つの動物に関する情報(input)とそれらの分類(output)がtrain setとして受信されます.指導学習の目的はtrain setによって入力と出力を学習し,与える入力を正しい出力に導く機能を学習することである.
図では、後で入る動物の予測モデルを学習し、その動物がどのクラスに属するかを決定します.
요약
지도학습은 input, output을 모두 training set으로 받는다.
트레이닝 셋으로 학습을 걸쳐서 Predictive Model을 만들어 낸다. ( 앞으로 있을 input에 대해 올바른 output을 낼 수 있는 function )
📌 指導なし学習
指導学習とは異なり,非指導学習は訓練セットinputのみを受ける.outputは提供されません.非指導的学習はinputの特徴(feature)からモードを検索する.
従って、非指導的学習では、多くの問題が指導的学習とは異なり、指導的学習よりも困難であることが多い.
これらのフィーチャーを解析することで、未知のモードを学習できます.したがって、新しいデータを入力する場合は、分類する必要があります.
非指導的な学習では、データ間の類似度、モード、差異を使用してデータを分類する方法を学習します.
以上の図を例にとると、非指導学習では、train setとして動物の特徴ベクトルのみが提供される.これらの情報のみを用いて,類似したものと異なるものを分類する.
左側では、学習を指導することによって、得られた関数によって入力を適切な出力にマッチングします.
右側は,非指導的学習により得られたモード,類似度,差異が入力を適切に分類する場合である.
요약
비 지도학습은 input을 training set으로 받는다.
트레이닝 셋으로 학데이터 간의 유사도, 패턴, 차이 등을 이용하여 특성을 분석하는 학습을 진행한다.
기존에 학습된 density estimate를 기반으로 앞으로 있을 input에 대한 분류를 진행한다.
📌 かくりつよそく
現実では、訓練集は無限ではなく、限られているので限られています.これにより、以前に新しい入力が見られなかったり、正確に分類できなかったりするあいまいな状況が発生する可能性があります.そのため、この場合、一般化と正規化の学習が必要です.ここでは確率モデルを用いる.
📌 の最後の部分
次に,機械学習で用いられる確率モデルについて論じる.
Reference
この問題について([機械学習]サポート型学習、コンサルタント型学習(指導的学習、非指導的学習)), 我々は、より多くの情報をここで見つけました https://velog.io/@hwan2da/머신러닝-Supervised-Learning-Unsupervised-Learning-지도-학습-비-지도-학습テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol