Denetimli ve denetimsiz öğrenme, verilerin doğasına ve eldeki görevin hedeflerine bağlı olarak farklı amaçlara hizmet eden iki temel makine öğrenimi paradigması türüdür. Denetimli eğitime karşı denetimsiz eğitimin ne zaman kullanılacağını anlamak, etkili makine öğrenimi modellerinin tasarlanması açısından çok önemlidir. Bu iki yaklaşım arasındaki seçim, etiketli verilerin kullanılabilirliğine, istenen sonuca ve veri kümesinin temel yapısına bağlıdır.
Denetimli öğrenme, modelin etiketli bir veri kümesi üzerinde eğitildiği bir makine öğrenimi türüdür. Denetimli öğrenmede algoritma, eğitim örnekleri sunularak giriş verilerini doğru çıkışla eşleştirmeyi öğrenir. Bu eğitim örnekleri, giriş verisine karşılık gelen doğru çıkış veya hedef değerin eşlik ettiği giriş-çıkış çiftlerinden oluşur. Denetimli öğrenmenin amacı, giriş değişkenlerinden çıkış değişkenlerine bir eşleme fonksiyonunu öğrenmektir; bu daha sonra görünmeyen veriler üzerinde tahminler yapmak için kullanılabilir.
Denetimli öğrenme genellikle istenen çıktı bilindiğinde ve amaç girdi ve çıktı değişkenleri arasındaki ilişkiyi öğrenmek olduğunda kullanılır. Amacın yeni örneklerin sınıf etiketlerini tahmin etmek olduğu sınıflandırma ve sürekli bir değeri tahmin etmek olduğu regresyon gibi görevlerde yaygın olarak uygulanır. Örneğin, denetimli bir öğrenme senaryosunda, e-postanın içeriğine ve önceki e-postaların etiketli spam/spam olmayan durumuna göre bir e-postanın spam olup olmadığını tahmin edecek bir model eğitebilirsiniz.
Öte yandan denetimsiz öğrenme, modelin etiketlenmemiş bir veri kümesi üzerinde eğitildiği bir makine öğrenimi türüdür. Denetimsiz öğrenmede algoritma, doğru çıktıya ilişkin açık geri bildirim olmaksızın girdi verilerinden kalıpları ve yapıları öğrenir. Denetimsiz öğrenmenin amacı, verilerin temel yapısını keşfetmek, gizli kalıpları keşfetmek ve etiketlenmiş verilere ihtiyaç duymadan anlamlı içgörüler elde etmektir.
Denetimsiz öğrenme, amaç verileri keşfetmek, gizli kalıpları bulmak ve benzer veri noktalarını bir arada gruplamak olduğunda yaygın olarak kullanılır. Genellikle amacın benzer veri noktalarını özelliklerine göre kümeler halinde gruplamak olduğu kümeleme ve verilerdeki temel bilgileri korurken özelliklerin sayısını azaltmak olduğu boyut azaltma gibi görevlerde sıklıkla uygulanır. Örneğin, denetimsiz bir öğrenme senaryosunda, müşteri segmentleri hakkında önceden bilgi sahibi olmadan müşterileri satın alma davranışlarına göre gruplandırmak için kümelemeyi kullanabilirsiniz.
Denetimli ve denetimsiz öğrenme arasındaki seçim çeşitli faktörlere bağlıdır. Etiketlenmiş bir veri kümeniz varsa ve belirli sonuçları tahmin etmek istiyorsanız denetimli öğrenme uygun seçimdir. Öte yandan, etiketlenmemiş bir veri kümeniz varsa ve veri yapısını keşfetmek veya gizli kalıpları bulmak istiyorsanız denetimsiz öğrenme daha uygundur. Bazı durumlarda, yarı denetimli öğrenme olarak bilinen denetimli ve denetimsiz tekniklerin bir kombinasyonu, her iki yaklaşımın faydalarından yararlanmak için kullanılabilir.
Makine öğreniminde denetimli eğitim mi yoksa denetimsiz eğitim mi kullanma kararı etiketli verilerin kullanılabilirliğine, görevin niteliğine ve istenen sonuca bağlıdır. Denetimli ve denetimsiz öğrenme arasındaki farkları anlamak, anlamlı içgörüler elde edebilen ve verilerden doğru tahminler yapabilen etkili makine öğrenimi modelleri tasarlamak için çok önemlidir.
ile ilgili diğer yeni sorular ve cevaplar EITC/AI/GCML Google Cloud Makine Öğrenimi:
- Metin okuma (TTS) nedir ve yapay zeka ile nasıl çalışır?
- Makine öğreniminde büyük veri kümeleriyle çalışmanın sınırlamaları nelerdir?
- Makine öğrenimi diyalojik yardım sağlayabilir mi?
- TensorFlow oyun alanı nedir?
- Daha büyük bir veri kümesi aslında ne anlama geliyor?
- Algoritmanın hiper parametrelerinin bazı örnekleri nelerdir?
- Ensamble öğrenme nedir?
- Seçilen makine öğrenimi algoritması uygun değilse ya doğru olanı seçeceğimizden nasıl emin olabiliriz?
- Bir makine öğrenimi modelinin eğitimi sırasında denetime ihtiyacı var mı?
- Sinir ağı tabanlı algoritmalarda kullanılan anahtar parametreler nelerdir?
EITC/AI/GCML Google Cloud Machine Learning'de daha fazla soru ve yanıt görüntüleyin
Daha fazla soru ve cevap:
- Alan: Yapay Zeka
- Program: EITC/AI/GCML Google Cloud Makine Öğrenimi (sertifikasyon programına git)
- Ders: Giriş (ilgili derse git)
- Konu: Makine öğrenimi nedir (ilgili konuya git)