Кантраляванае і некантраляванае навучанне - гэта два асноўныя тыпы парадыгмаў машыннага навучання, якія служаць розным мэтам, заснаваным на характары даных і мэтах пастаўленай задачы. Разуменне таго, калі выкарыстоўваць навучанне пад наглядам, а не навучанне без нагляду, мае вырашальнае значэнне пры распрацоўцы эфектыўных мадэляў машыннага навучання. Выбар паміж гэтымі двума падыходамі залежыць ад наяўнасці пазначаных даных, жаданага выніку і асноўнай структуры набору даных.
Кантраляванае навучанне - гэта тып машыннага навучання, пры якім мадэль навучаецца на пазначаным наборы даных. Пры кантраляваным навучанні алгарытм вучыцца супастаўляць уваходныя даныя з правільнымі вываднымі дадзенымі, прадстаўляючы навучальныя прыклады. Гэтыя навучальныя прыклады складаюцца з пар увод-вывад, дзе ўваходныя даныя суправаджаюцца адпаведным правільным вынікам або мэтавым значэннем. Мэта навучання пад наглядам - вывучыць функцыю адлюстравання ўваходных зменных на выходныя зменныя, якія потым можна выкарыстоўваць для прагназавання нябачных даных.
Навучанне пад кантролем звычайна выкарыстоўваецца, калі вядомы жаданы вынік і мэта складаецца ў тым, каб даведацца ўзаемасувязь паміж уваходнымі і выходнымі зменнымі. Яно звычайна ўжываецца ў такіх задачах, як класіфікацыя, дзе мэта складаецца ў тым, каб прагназаваць меткі класа новых асобнікаў, і рэгрэсія, дзе мэта складаецца ў тым, каб прагназаваць бесперапыннае значэнне. Напрыклад, у сцэнарыі навучання пад кантролем вы можаце навучыць мадэль прадказваць, ці з'яўляецца ліст спамам, на аснове змесціва ліста і пазначанага статусу спаму/не спаму папярэдніх лістоў.
З іншага боку, некантраляванае навучанне - гэта тып машыннага навучання, пры якім мадэль навучаецца на немаркіраваным наборы даных. Пры некантраляваным навучанні алгарытм вывучае шаблоны і структуры з уваходных даных без відавочнай зваротнай сувязі аб правільным вывадзе. Мэта некантраляванага навучання - даследаваць асноўную структуру даных, выявіць схаваныя заканамернасці і атрымаць значныя ідэі без неабходнасці маркіраваных даных.
Навучанне без нагляду звычайна выкарыстоўваецца, калі мэта складаецца ў тым, каб даследаваць даныя, знайсці схаваныя шаблоны і згрупаваць падобныя пункты даных. Яно часта ўжываецца ў такіх задачах, як кластэрызацыя, дзе мэта складаецца ў тым, каб згрупаваць падобныя кропкі даных у кластары на аснове іх характарыстык, і памяншэнне памернасці, дзе мэта складаецца ў тым, каб паменшыць колькасць функцый, захоўваючы істотную інфармацыю ў дадзеных. Напрыклад, у сцэнары некантралюемага навучання вы можаце выкарыстоўваць кластэрызацыю для групавання кліентаў на аснове іх пакупніцкіх паводзін без папярэдняга веды аб сегментах кліентаў.
Выбар паміж кантраляваным і некантраляваным навучаннем залежыць ад некалькіх фактараў. Калі ў вас ёсць пазначаны набор даных і вы хочаце прадбачыць пэўныя вынікі, навучанне пад наглядам - правільны выбар. З іншага боку, калі ў вас ёсць набор даных без пазнакі і вы хочаце вывучыць структуру даных або знайсці схаваныя заканамернасці, навучанне без нагляду больш падыдзе. У некаторых выпадках для выкарыстання пераваг абодвух падыходаў можа быць выкарыстана спалучэнне метадаў пад наглядам і без нагляду, вядомае як напаўкантраляванае навучанне.
Рашэнне выкарыстоўваць навучанне пад кантролем у параўнанні з навучаннем без кантролю ў машынным навучанні залежыць ад наяўнасці пазначаных даных, характару задачы і жаданага выніку. Разуменне адрозненняў паміж кантраляваным і некантраляваным навучаннем мае важнае значэнне для распрацоўкі эфектыўных мадэляў машыннага навучання, якія могуць здабываць значную інфармацыю і рабіць дакладныя прагнозы з даных.
Іншыя апошнія пытанні і адказы адносна EITC/AI/GCML Google Cloud Machine Learning:
- Што такое тэкст у маўленне (TTS) і як ён працуе з AI?
- Якія абмежаванні ёсць у працы з вялікімі наборамі даных у машынным навучанні?
- Ці можа машыннае навучанне аказаць некаторую дапамогу ў дыялогу?
- Што такое гульнявая пляцоўка TensorFlow?
- Што насамрэч азначае большы набор даных?
- Якія прыклады гіперпараметраў алгарытму?
- Што такое ансамблевае навучанне?
- Што рабіць, калі абраны алгарытм машыннага навучання не падыходзіць, і як пераканацца, што выбраны правільны?
- Ці патрэбна мадэль машыннага навучання пад наглядам падчас навучання?
- Якія ключавыя параметры выкарыстоўваюцца ў алгарытмах нейронных сетак?
Больш пытанняў і адказаў глядзіце ў EITC/AI/GCML Google Cloud Machine Learning