Əsas fərq – Nəzarət olunan və Nəzarətsiz Maşın Öyrənməsi
Nəzarət edilən öyrənmə və nəzarətsiz öyrənmə maşın öyrənməsinin iki əsas anlayışıdır. Nəzarət olunan Öyrənmə nümunə giriş-çıxış cütlərinə əsaslanaraq girişi çıxışa uyğunlaşdıran funksiyanı öyrənmək üçün Maşın Öyrənmə tapşırığıdır. Nəzarətsiz Öyrənmə, etiketlənməmiş məlumatlardan gizli strukturu təsvir etmək üçün funksiyanı çıxarmaq üçün Maşın Öyrənmə vəzifəsidir. Nəzarət edilən və nəzarətsiz maşın öyrənməsi arasındakı əsas fərq ondan ibarətdir ki, nəzarət edilən öyrənmə etiketli datadan, nəzarətsiz öyrənmə isə etiketsiz datadan istifadə edir.
Maşın Öyrənməsi Kompüter Elmində bir sahədir və kompüter sisteminə açıq şəkildə proqramlaşdırılmadan verilənlərdən öyrənmək imkanı verir. Bu, məlumatları təhlil etməyə və içindəki nümunələri proqnozlaşdırmağa imkan verir. Maşın öyrənməsinin bir çox tətbiqi var. Bunlardan bəziləri üz tanıma, jest tanıma və nitq tanımadır. Maşın öyrənməsi ilə bağlı müxtəlif alqoritmlər var. Onlardan bəziləri reqressiya, təsnifat və klasterləşmədir. Maşın öyrənməsinə əsaslanan proqramların hazırlanması üçün ən çox yayılmış proqramlaşdırma dilləri R və Python-dur. Java, C++ və Matlab kimi digər dillərdən də istifadə edilə bilər.
Nəzarətli Öyrənmə nədir?
Maşın öyrənməsinə əsaslanan sistemlərdə model alqoritmə uyğun işləyir. Nəzarətli öyrənmədə modelə nəzarət edilir. Birincisi, modeli öyrətmək tələb olunur. Əldə olunan biliklərlə gələcək hallar üçün cavabları proqnozlaşdıra bilir. Model etiketli verilənlər toplusundan istifadə etməklə öyrədilir. Nümunədən kənar məlumatlar sistemə verildikdə, o, nəticəni proqnozlaşdıra bilər. Aşağıda məşhur IRIS məlumat dəstindən kiçik bir çıxarış var.
Yuxarıdakı cədvələ əsasən, Sepal uzunluğu, Çarpayı eni, Patel uzunluğu, Patel eni və Növlər atributlar adlanır. Sütunlar xüsusiyyətlər kimi tanınır. Bir cərgədə bütün atributlar üçün məlumat var. Buna görə də bir sıra müşahidə adlanır. Məlumatlar ya ədədi, ya da kateqoriyalı ola bilər. Modelə giriş kimi müvafiq növ adı ilə müşahidələr verilir. Yeni müşahidə verildikdə, model onun aid olduğu növlərin növünü proqnozlaşdırmalıdır.
Nəzarətli təlimdə təsnifat və reqressiya üçün alqoritmlər var. Təsnifat etiketli məlumatların təsnifləşdirilməsi prosesidir. Model məlumatların kateqoriyalarını ayıran sərhədlər yaratdı. Modelə yeni məlumatlar təqdim edildikdə, o, nöqtənin mövcudluğuna görə kateqoriyalara bölünə bilər. K-Yaxın Qonşular (KNN) təsnifat modelidir. k dəyərindən asılı olaraq kateqoriyaya qərar verilir. Məsələn, k 5 olduqda, müəyyən bir məlumat nöqtəsi A kateqoriyasında səkkiz məlumat nöqtəsinə və B kateqoriyasında altı məlumat nöqtəsinə yaxındırsa, məlumat nöqtəsi A kimi təsnif ediləcək.
Reqressiya, yeni məlumatların nəticəsini proqnozlaşdırmaq üçün əvvəlki məlumatların tendensiyasının proqnozlaşdırılması prosesidir. Reqressiyada çıxış bir və ya bir neçə davamlı dəyişəndən ibarət ola bilər. Proqnozlaşdırma əksər məlumat nöqtələrini əhatə edən xəttdən istifadə etməklə həyata keçirilir. Ən sadə reqressiya modeli xətti reqressiyadır. Sürətlidir və KNN-də olduğu kimi tənzimləmə parametrlərini tələb etmir. Məlumatlar parabolik tendensiya göstərirsə, xətti reqressiya modeli uyğun deyil.
Bunlar nəzarət edilən öyrənmə alqoritmlərinin bəzi nümunələridir. Ümumiyyətlə, nəzarət edilən öyrənmə metodlarından əldə edilən nəticələr daha dəqiq və etibarlıdır, çünki giriş məlumatları yaxşı bilinir və etiketlənir. Buna görə də, maşın yalnız gizli nümunələri təhlil etməlidir.
Nəzarətsiz Öyrənmə nədir?
Nəzarətsiz öyrənmədə modelə nəzarət edilmir. Model nəticələri proqnozlaşdırmaq üçün öz üzərində işləyir. O, etiketlənməmiş məlumatlar üzrə nəticələrə gəlmək üçün maşın öyrənmə alqoritmlərindən istifadə edir. Ümumiyyətlə, nəzarətsiz öyrənmə alqoritmləri nəzarət edilən öyrənmə alqoritmlərindən daha çətindir, çünki məlumat azdır. Klasterləşmə nəzarətsiz öyrənmənin bir növüdür. Alqoritmlərdən istifadə edərək naməlum məlumatları qruplaşdırmaq üçün istifadə edilə bilər. k-orta və sıxlığa əsaslanan klasterləşdirmə iki qruplaşma alqoritmidir.
k-orta alqoritmi, hər klaster üçün təsadüfi olaraq k mərkəzi yerləşdirir. Sonra hər bir məlumat nöqtəsi ən yaxın mərkəzə təyin edilir. Məlumat nöqtəsindən mərkəzə qədər olan məsafəni hesablamaq üçün Evklid məsafəsi istifadə olunur. Məlumat nöqtələri qruplara bölünür. k centroids üçün mövqelər yenidən hesablanır. Yeni mərkəz mövqeyi qrupdakı bütün nöqtələrin ortası ilə müəyyən edilir. Yenə də hər bir məlumat nöqtəsi ən yaxın mərkəzə təyin edilir. Bu proses mərkəzlər artıq dəyişməyincə təkrarlanır. k-orta sürətli klasterləşdirmə alqoritmidir, lakin çoxluq nöqtələrinin müəyyən bir başlanğıcı yoxdur. Həmçinin, klaster nöqtələrinin işə salınmasına əsaslanan klaster modellərinin yüksək müxtəlifliyi var.
Digər klasterləşdirmə alqoritmi Sıxlığa əsaslanan klasterləşdirmədir. O, həmçinin səs-küylü Sıxlığa əsaslanan məkan klasterləşdirmə tətbiqləri kimi də tanınır. O, sıxlığı birləşdirən nöqtələrin maksimum dəsti kimi klasteri təyin etməklə işləyir. Onlar sıxlığa əsaslanan klasterləşmə üçün istifadə olunan iki parametrdir. Onlar Ɛ (epsilon) və minimum nöqtələrdir. Ɛ qonşuluğun maksimum radiusudur. Minimum ballar, klasteri müəyyən etmək üçün Ɛ məhəlləsindəki minimum bal sayıdır. Bunlar nəzarətsiz öyrənməyə aid olan bəzi qruplaşma nümunələridir.
Ümumiyyətlə, nəzarətsiz öyrənmə alqoritmlərindən əldə edilən nəticələr o qədər də dəqiq və etibarlı deyil, çünki maşın gizli nümunələri və funksiyaları təyin etməzdən əvvəl daxiletmə məlumatlarını müəyyən etməli və etiketləməlidir.
Nəzarət olunan və Nəzarət olunmayan Maşın Öyrənməsi arasındakı oxşarlıq nədir?
Həm Nəzarətli və Nəzarətsiz Öyrənmə Maşın Öyrənməsinin növləridir
Nəzarət olunan və Nəzarətsiz Maşın Öyrənməsi Arasındakı Fərq Nədir?
Nəzarət olunan və Nəzarət olunmayan Maşın Öyrənməsi |
|
| Nəzarət Edilən Öyrənmə nümunə giriş-çıxış cütləri əsasında girişi çıxışa uyğunlaşdıran funksiyanı öyrənmək üçün Maşın Öyrənmə tapşırığıdır. | Nəzarətsiz Öyrənmə, etiketlənməmiş verilənlərdən gizli strukturu təsvir etmək üçün funksiyanı çıxarmaq üçün Maşın Öyrənmə tapşırığıdır. |
| Əsas Funksionallıq | |
| Nəzarət olunan öyrənmədə model etiketli daxiletmə datasına əsasən nəticəni proqnozlaşdırır. | Nəzarətsiz öyrənmədə model öz-özünə nümunələri müəyyən etməklə nəticəni etiketli data olmadan proqnozlaşdırır. |
| Nəticələrin Dəqiqliyi | |
| Nəzarət olunan öyrənmə metodlarından əldə edilən nəticələr daha dəqiq və etibarlıdır. | Nəzarətsiz öyrənmə metodlarından əldə edilən nəticələr o qədər də dəqiq və etibarlı deyil. |
| Əsas Alqoritmlər | |
| Nəzarət olunan öyrənmədə reqressiya və təsnifat üçün alqoritmlər var. | Nəzarətsiz öyrənmədə qruplaşma üçün alqoritmlər var. |
Xülasə – Nəzarət edilən və Nəzarətsiz Maşın Öyrənməsi
Nəzarət olunan Öyrənmə və Nəzarətsiz Öyrənmə Maşın Öyrənmənin iki növüdür. Nəzarət Edilən Öyrənmə nümunə giriş-çıxış cütləri əsasında girişi çıxışa uyğunlaşdıran funksiyanı öyrənmək üçün Maşın Öyrənmə vəzifəsidir. Nəzarətsiz Öyrənmə, etiketlənməmiş məlumatlardan gizli strukturu təsvir etmək üçün funksiyanı çıxarmaq üçün Maşın Öyrənmə vəzifəsidir. Nəzarət edilən və nəzarətsiz maşın öyrənməsi arasındakı fərq ondan ibarətdir ki, nəzarət edilən öyrənmə etiketli datadan istifadə edir, nəzarətsiz əyilmə isə etiketsiz datadan istifadə edir.
