J:
Kāpēc daļēji pārraudzīta mācīšanās ir noderīgs modelis mašīnmācībai?
A:Daļēji uzraudzīta mācīšanās ir svarīga mašīnmācīšanās un dziļu mācību procesu sastāvdaļa, jo tā ievērojami paplašina un uzlabo mašīnmācīšanās sistēmu iespējas.
Pirmkārt, mūsdienu topošajā mašīnmācības nozarē datoru apmācībai ir parādījušies divi modeļi: Tos sauc par uzraudzītu un bez uzraudzības. Tās principiāli atšķiras ar to, ka uzraudzītā mācīšanās ietver marķētu datu izmantošanu rezultāta secināšanai, un neuzraudzīta mācīšanās ir saistīta ar neapzīmētu datu ekstrapolēšanu, pārbaudot katra objekta īpašības apmācības datu kopā.
| Bezmaksas lejupielāde: mašīnmācīšanās un kāpēc tas ir svarīgi |
Eksperti to izskaidro, izmantojot daudzus dažādus piemērus: Neatkarīgi no tā, vai mācību komplektā esošie objekti ir augļi vai krāsainas formas, vai klientu konti, uzraudzītā mācīšanās parasti ir tā, ka tehnoloģija tiek sākta, zinot, kas ir šie objekti - primārā klasifikācija jau ir izdarīta. . Turpretī neuzraudzītā mācībā tehnoloģija aplūko kā vēl nenosakāmus priekšmetus un klasificē tos pēc paša izmantotiem kritērijiem. To dažreiz sauc par "pašmācību".
Tad šī ir daļēji kontrolētas mācīšanās galvenā lietderība: tā apvieno marķētu un neiezīmētu datu izmantošanu, lai iegūtu “labāko no abiem” pieejām.
Pārraudzīta mācīšanās dod tehnoloģijai lielāku virzienu, no kura virzīties, taču tā var būt dārga, darbietilpīga, nogurdinoša un prasa daudz vairāk pūļu. Neuzraudzītas mācības ir vairāk "automatizētas", taču rezultāti var būt daudz mazāk precīzi.
Tātad, izmantojot marķētu datu kopu (bieži vien mazāku lietu lielo shēmu), daļēji uzraudzīta mācību pieeja efektīvi "pieliek" sistēmu labāk klasificēšanai. Piemēram, pieņemsim, ka mašīnmācīšanās sistēma mēģina identificēt 100 vienības pēc bināriem kritērijiem (melna vai balta). Var būt ārkārtīgi noderīgi, ja katram no tiem ir viens marķēts eksemplārs (viens balts, viens melns) un pēc tam sagrupējiet atlikušos "pelēkos" priekšmetus atbilstoši tam, kurš kritērijs ir vislabākais. Tiklīdz šie divi priekšmeti tiek marķēti, nepārvaldīta mācīšanās kļūst par daļēji kontrolētu mācīšanos.
Virzot daļēji uzraudzītu mācīšanos, inženieri rūpīgi novērtē lēmumu robežas, kas ietekmē mašīnmācīšanās sistēmas, lai, novērtējot neiezīmētus datus, klasificētu pēc viena vai otra marķētā rezultāta. Viņi domās par to, kā vislabāk izmantot daļēji uzraudzītu mācīšanos jebkurā ieviešanā: Piemēram, daļēji uzraudzīts mācību algoritms var "apņemt" esošo neaptverto algoritmu pieejai "viens-divi".
Daļēji uzraudzīta mācīšanās kā fenomens noteikti virza mašīnmācības robežas uz priekšu, jo tas paver visa veida jaunas iespējas efektīvākām un efektīvākām mašīnmācīšanās sistēmām.
