apprendimento macchina supervisionato vs. apprendimento macchina non supervisionato?

Tempo di lettura stimato: 2 minuti

Se volete sbloccare il machine learning supervisionato o non supervisionato, questo è un posto dove fermarvi e rivedere ciò che potete imparare di più sull'ampliamento delle vostre conoscenze in materia di scienza dei dati.

In questo video, sarete guidati attraverso i passi per decidere come affrontare la questione, analizzare i vostri dati per tentativi ed errori, che vi darà una profonda esperienza di apprendimento.

Quest'area è divisa in due:

(A) Dove il modello è costruito intorno a ciò che il costruttore del modello vuole, sulla base dei dati di input che ritiene più appropriati, questo può essere comunemente indicato come apprendimento macchina supervisionato.

(B) D'altra parte l'apprendimento non supervisionato della macchina guarda alla relazione tra i punti di dati, e come tale relazione spiega cosa quel dato o categoria o gruppo di dati vi sta dicendo.

La differenza tra i due sembra colmare il divario intorno ai problemi di regressione, e anche l'utilizzo dei dati dell'etichetta può a volte non sempre raccontare la vera storia, poiché i punti di dati nei dati etichettati potrebbero non mostrare sempre lo stesso schema.

Sarà una grande pietra miliare se si vuole andare avanti e conoscere la classificazione, i k-mezzi, la regressione lineare o la regressione logistica. Alcune delle discussioni parlano di clustering e di come questo possa influenzare il modello che si costruisce.

La nostra sezione del video sottostante dedicata al modello di apprendimento supervisionato vi mostra come vi sentireste a individuare se un insieme di dati è adatto a un modello di apprendimento e quale parte del processo di iterazione aiuta a costruire le previsioni per il futuro.

 

Lascia una risposta

Il tuo indirizzo e-mail non sarà pubblicato. I campi obbligatori sono contrassegnati con *