Qual è la differenza nell'apprendimento automatico tra l'apprendimento con un insegnante e quello senza insegnante?
ChatGPT
L'apprendimento supervisionato e l'apprendimento non supervisionato sono i due approcci principali nell'apprendimento automatico e si differenziano per alcuni aspetti chiave:
Presenza di etichette (target):
Apprendimento non supervisionato: in questo tipo di apprendimento, i dati hanno etichette (target) che rappresentano risposte corrette o valori target. Il modello viene addestrato su questi dati per imparare a prevedere la variabile target.
Apprendimento non supervisionato: a differenza dell'apprendimento supervisionato, nell'apprendimento non supervisionato i dati non hanno etichette. In questo caso, il modello cerca di trovare la struttura dei dati senza che siano note in precedenza le risposte corrette.
Obiettivo:
Apprendimento con insegnante: l'obiettivo principale è prevedere o classificare la variabile target in base ai dati di input. Questo tipo di apprendimento viene utilizzato quando è necessario eseguire un compito come la classificazione, la regressione o il rilevamento di anomalie.
Apprendimento non supervisionato: l'obiettivo principale è individuare strutture o modelli nascosti nei dati. Questo tipo di apprendimento viene utilizzato per il clustering dei dati, la riduzione della dimensionalità, l'analisi associativa e altri compiti legati all'apprendimento della struttura dei dati.
Esempi di compiti:
Apprendimento con un insegnante: classificazione, regressione, predizione, rilevamento di frodi, rilevamento di oggetti, traduzione automatica, ecc.
Apprendimento senza insegnante: clustering, riduzione della dimensionalità (PCA, t-SNE), regola associativa, visualizzazione dei dati e molti altri.
Valutazione del modello:
Apprendimento con un insegnante: un modello viene valutato in base alla sua capacità di fare previsioni o classificazioni confrontandolo con etichette note. Le valutazioni possono includere accuratezza, misura F1, errore RMS e altre metriche.
Apprendimento senza insegnante: la stima è più difficile perché non ci sono etichette note da confrontare. La valutazione può basarsi sull'ispezione visiva della qualità del clustering, sul confronto con altri algoritmi o sull'analisi di un esperto.
Entrambi i tipi di apprendimento trovano applicazione nell'apprendimento automatico e la scelta dipende dal compito specifico e dai dati disponibili. A volte si utilizzano anche metodi ibridi, che combinano l'apprendimento con e senza insegnante per ottenere risultati migliori.
È un disastro. Non mi sorprenderebbe se non arrivasse a loro nemmeno dopo.
Nel contesto dell'apprendimento automatico con un insegnante, l'insegnante è l'uomo o il sistema che fornisce i dati etichettati per addestrare il modello. La suddivisione dei dati significa che per ogni serie di dati di input, l'output corrispondente è noto.
Maxim Dmitrievsky #: Perché non vi mettete in fila e chiedete l'elemosina per uno alla volta? Poi inizierò a distribuire .
Troppe bocche da sfamare contemporaneamente, non riesco a starci dietro.
Max, sei l'unico nel tuo libro personale.
Il tuo pensiero astratto non ti dice cosa significa la parola "forum"?
Qui bisogna sapersi arrendere e ammettere i propri errori, cioè stare in compagnia di persone di cui non si sa praticamente nulla, che magari ne sanno molte più di te.
Wo gpt dà fuori))))
L'apprendimento supervisionato e l'apprendimento non supervisionato sono i due approcci principali nell'apprendimento automatico e si differenziano per alcuni aspetti chiave:
Presenza di etichette (target):
Obiettivo:
Esempi di compiti:
Valutazione del modello:
Entrambi i tipi di apprendimento trovano applicazione nell'apprendimento automatico e la scelta dipende dal compito specifico e dai dati disponibili. A volte si utilizzano anche metodi ibridi, che combinano l'apprendimento con e senza insegnante per ottenere risultati migliori.
Sanych, quando ci ricorderemo che il Maestro è segni + bersaglio?)
Quindi non è "tratti + bersaglio" dopo tutto?
Punteggio.
Quindi non si tratta di "segni + obiettivo", dopo tutto?
Punteggio.
Quando il pensiero astratto è a zero, si può arrivare in fondo.
Mi è venuta in mente la previsione di Strange sulla luna,
e poi, visto che si è rivelato il contrario, ha detto che comprarla è venderla).
spiegando che il loonie non è USDCAD, ma CADUSD.Quando il livello di astrazione è pari a zero, si può curiosare.
Cosa c'è che non va? Credevi di essere l'unico a cui era permesso curiosare?
Ora vengo al punto: qual è il criterio di arresto per l'addestramento delle reti neurali in particolare e dell'apprendimento automatico in generale?
Perché non vi mettete in fila e chiedete l'elemosina per uno alla volta? Poi inizierò a distribuire
.
Max, sei l'unico nel tuo libro personale.
Il tuo pensiero astratto non ti dice cosa significa la parola "forum"?
Qui bisogna sapersi arrendere e ammettere i propri errori, cioè stare in compagnia di persone di cui non si sa praticamente nulla, che magari ne sanno molte più di te.