למידה מפוקחת באפאצ'י מהוט



למידה מפוקחת היא טכניקה של למידת מכונה, בה מסיקים פונקציה מהדוגמאות המסומנות של נתוני אימון.

למידה מפוקחת היא השיטה, בה נתוני האימון כוללים את הקלט ואת התוצאות הרצויות. הכשרת המערכת עם דוגמאות נקראת למידה מפוקחת. אחרת, ניתן להתייחס לאימון האלגוריתם עם מורה כאל למידה מפוקחת. לאחר אימון האלגוריתם עם כל נתוני המדגם או הנתונים המסומנים, עם שני המנבאים על משתנה היעד, ניתן לאמן את האלגוריתם ולהשתמש בדוגמה הבלתי נראית לסיווג נוסף.





להלן כמה מהתכונות החשובות של למידה מפוקחת ב- Mahout:

  • בניית מערך אימונים, אימות ומבחנים (Bok) היא חיונית.
  • שיטות אלה בדרך כלל מהירות ומדויקות.
  • שיטות הלמידה המפוקחות צריכות להיות מסוגלות להכליל.
  • הם נותנים תוצאות נכונות, כאשר נתונים חדשים ניתנים בקלט מבלי לדעת אפריורייַעַד.
  • בחלק מהמקרים התוצאות (היעדים) הנכונות ידועות וניתנות בקלט למודל במהלך תהליך הלמידה.

דוגמה ללמידה מפוקחת

למקרה שתרצה להכשיר משימה ותקבל שתי קבוצות שונות של תמונות יחד עם הנתונים שכותרתו, למשל. בתמונה לעיל, בקבוצה אחת יש תמונות של פיל ובשנייה יש תמונות של אריה. נתונים מתויגים מרמזים על כך שכל מערך נתונים יהיה בעל ערך יעד. בדוגמה שלעיל, מערך הנתונים הוא תמונות של פיל, בעוד שהתווית שניתנה לו, כלומר 'פיל' היא ערך היעד של מערך הנתונים. ערכת נתונים שכותרתה שכזו משמשת לתהליך האימון, כך שאלגוריתם האימונים יכול למנף מערך נתונים זה ולבנות מודל כלשהו, ​​שניתן להשתמש בו עוד יותר כדי לסווג את הדוגמאות הבלתי נראות ללא הנתונים המסומנים, או משתנה היעד.



בואו לזהות את התכונות המסייעות בזיהוי אובייקט כפיל או אריה:

הדרכה של qlikview שלב אחר שלב

התכונות יכול להיות - גודל, צבע, גובה, גודל אוזניים, תא מטען, חזה

זה יכול להיקרא סט תכונות, שישמש למטרת האימון. ערכת תכונות זו תשפיע על משתנה היעד הסופי. משתנים אלה ידועים בשם משתני ניבוי כי הם עוזרים לנו בקביעת ה- משתנה יעד סופי . ניתן לקרוא למשתנה הסופי גם תווית. המשתנה הסופי הנה פיל / אריה.



table-word

בדוגמה זו, כל אחת מהרשומות בקטגוריות, גודל, צבע, גובה, גודל האוזן, תא המטען וחזה היא משתנה מנבא, ואילו פיל ואריה הם משתני היעד. ניתן להתייחס למשתנים אלה כדוגמאות אימונים ונתוני אימונים בהתאמה.

לפיכך, למידה מפוקחת היא דרך שבאמצעותה אתה מתאמן יחד עם התוויות, בה אתה מבקש מהאלגוריתם לחלץ מתוכו תכונות מסוימות, ועל סמך זה, בכל פעם שתראה דוגמה בלתי נראית, האלגוריתם יוכל לסווג אותה. למעמד הנכון.

יש לך שאלה עבורנו? הזכר אותם בסעיף ההערות ונחזור אליך.

שיטת tostring () java

פוסטים קשורים: