Съдържание

• Сравнителна диаграма
• Определение за контролирано обучение
• Дефиниция на неуправляемото обучение
• заключение

Контролираното и неподдържаното обучение са парадигми за машинно обучение, които се използват при решаването на класа на задачите, като се учат от мярката за опит и изпълнение. Контролираното и неподдържаното обучение се различават главно по това, че контролираното обучение включва картографиране от входа към основния резултат. Напротив, неподдържаното обучение не цели да произведе продукция в отговор на конкретния вход, вместо това открива модели в данните.

Тези контролирани и неподдържани техники на обучение се прилагат в различни приложения, като изкуствени невронни мрежи, което е система за обработка на данни, съдържаща огромен брой до голяма степен взаимосвързани обработващи елементи.

1. 1. Сравнителна диаграма
   2. дефиниция
   3. Ключови разлики
   4. заключение

Сравнителна диаграма

Основа за сравнение	Контролирано обучение	Неуправляемо обучение
Основен	Сделки с етикетирани данни.	Борави с незабелязани данни.
Изчислителна сложност	Високо	ниско
Analyzation	Извън линия	Реално време
точност	Дава точни резултати	Генерира умерени резултати
Поддомейни	Класификация и регресия	Изграждане на правила за клъстеринг и асоциация

Определение за контролирано обучение

Контролирано обучение методът включва обучението на системата или машината, където учебните набори заедно с целевия модел (модел на изхода) се предоставят на системата за изпълнение на задача. Обикновено контролира средствата за наблюдение и ръководство на изпълнението на задачите, проекта и дейността. Но къде може да се приложи контролираното обучение? Основно се прилага в машинното обучение Regression и Cluster и Neural мрежи.

Сега, как да тренираме модел? Моделът се ръководи с помощта на зареждане на модела със знанията, за да се улесни прогнозирането на бъдещи случаи. Той използва маркирани набори от данни за обучението. Изкуствените невронни мрежи входният модел обучава мрежата, която също е свързана с изходния модел.

Дефиниция на неуправляемото обучение

Неуправляемо обучение моделът не включва целевия изход, което означава, че не се осигурява обучение на системата. Системата трябва да се учи самостоятелно чрез определяне и адаптиране според структурните характеристики във входните модели. Той използва алгоритми за машинно обучение, които правят изводи по незабелязаните данни.

Неуправляемото обучение работи по по-сложни алгоритми в сравнение с контролираното обучение, тъй като имаме рядка или никаква информация за данните. Той създава по-малко управляема среда, тъй като машината или системата, предназначени да генерират резултати за нас. Основната цел на безконтролното обучение е да се търсят субекти като групи, клъстери, намаляване на размерите и извършване на оценка на плътността.

1. Техниката на контролирано обучение се занимава с етикетираните данни, където моделите на изходните данни са известни на системата. За разлика от него, безконтролното обучение работи с незабелязани данни, в които изходът се основава само на събирането на възприятия.
2. Що се отнася до сложността, методът на контролирано обучение е по-малко сложен, докато методът на обучение без надзор е по-сложен.
3. Под контролираното обучение може да се извършва и офлайн анализ, докато при неподдържаното обучение се използва анализ в реално време.
4. Резултатът от контролираната техника на обучение е по-точен и надежден. За разлика от тях, неподдържаното обучение дава умерени, но надеждни резултати.
5. Класификацията и регресията са видовете проблеми, решавани по метода на контролирано обучение. Обратно, неподдържаното обучение включва проблеми с клъстерирането и асоциативните правила за извличане на правила.

заключение

Контролираното обучение е техниката за изпълнение на задача чрез предоставяне на модели за обучение, вход и изход на системите, докато неподдържаното обучение е техника за самообучение, при която системата трябва да открива характеристиките на въвежданата съвкупност по своя собственост и без предходен набор от категории са използвани.