Apa yang dimaksud dengan algoritma pembelajaran yang diawasi dan tidak diawasi?
Apa yang dimaksud dengan algoritma pembelajaran yang diawasi dan tidak diawasi?

Video: Apa yang dimaksud dengan algoritma pembelajaran yang diawasi dan tidak diawasi?

Video: Apa yang dimaksud dengan algoritma pembelajaran yang diawasi dan tidak diawasi?
Video: Machine Learning Tutorial - Supervised Learning (What is Supervised Learning) 2024, Mungkin
Anonim

Diawasi : Semua data diberi label dan algoritma belajar untuk memprediksi keluaran dari data masukan. Tidak diawasi : Semua data tidak berlabel dan algoritma belajar struktur yang melekat dari data input.

Di sini, apa perbedaan antara algoritma pembelajaran yang diawasi dan tidak diawasi?

Pembelajaran yang diawasi adalah teknik menyelesaikan tugas dengan memberikan pelatihan , pola input dan output ke sistem sedangkan pembelajaran tanpa pengawasan adalah diri- sedang belajar teknik di mana sistem harus menemukan fitur dari populasi input dengan sendirinya dan tidak ada set kategori sebelumnya yang digunakan.

apa yang terawasi tanpa terawasi dan pembelajaran penguatan? Pendeknya, pembelajaran yang diawasi adalah saat model belajar dari kumpulan data berlabel dengan panduan. Dan, pembelajaran tanpa pengawasan di mana mesin diberikan pelatihan berdasarkan data yang tidak berlabel tanpa panduan apa pun.

Juga, apa pembelajaran yang diawasi dan tidak diawasi dengan contoh?

Di dalam Pembelajaran yang diawasi , Anda melatih mesin menggunakan data yang "diberi label" dengan baik. Untuk contoh , Bayi dapat mengidentifikasi anjing lain berdasarkan masa lalu pembelajaran yang diawasi . Regresi dan Klasifikasi adalah dua jenis pembelajaran mesin yang diawasi teknik. Kekelompokan dan Asosiasi adalah dua jenis Pembelajaran tanpa pengawasan.

Apa itu algoritma pembelajaran terawasi?

Pembelajaran yang diawasi adalah pembelajaran mesin tugas dari sedang belajar fungsi yang memetakan input ke output berdasarkan contoh pasangan input-output. A algoritma pembelajaran terawasi menganalisis pelatihan data dan menghasilkan fungsi yang disimpulkan, yang dapat digunakan untuk memetakan contoh baru.

Direkomendasikan: