Найбільш часто використовувані алгоритми навчання під наглядом: дерево рішень, логістична регресія, лінійна регресія, опорна векторна машина. Найпоширенішими алгоритмами неконтрольованого навчання є кластеризація k-середніх, ієрархічна кластеризація та апріорний алгоритм. 1 жовтня 2021 р.
Наприклад, керована модель може використовуватися для прогнозування часу польоту на основі конкретних параметрів, таких як погодні умови, завантаженість аеропорту, години пік польоту тощо. З іншого боку, неконтрольоване навчання є більш корисним для виявлення нових закономірностей і взаємозв’язків у необроблених немаркованих даних.
Відповідь. Пояснення: Варіант b) Маючи набір статей новин, знайдених в Інтернеті, згрупуйте їх у набір статей про ту саму історію є прикладом неконтрольованого навчання. У цьому сценарії алгоритму не надаються дані з мітками (тобто він не знає заздалегідь, які статті належать до однієї статті).
- Контрольовані алгоритми машинного навчання.
- Лінійна регресія.
- Логістична регресія.
- Дерево рішень.
- K Найближчі сусіди.
- Випадковий ліс.
- Наївний Байєс.
Уявіть, що у вас є великий набір даних про погоду. Алгоритм неконтрольованого навчання переглядатиме дані та виявлятиме шаблони в точках даних. Наприклад, може групувати дані за температурою або подібними погодними умовами.
CNN навчаються за допомогою a контрольований підхід до навчання. Це означає, що CNN отримує набір позначених навчальних зображень. Потім CNN навчається зіставляти вхідні зображення з їх правильними мітками.
Застосування: Моделі навчання під наглядом ідеально підходять для виявлення спаму, аналізу настроїв, прогнозування погоди та прогнозування цін, серед іншого. Навпаки, неконтрольоване навчання чудово підходить для виявлення аномалій, механізмів рекомендацій, персоналізації клієнтів і медичної візуалізації.