Isi
Q:
Apa perbedaan antara pembelajaran yang diawasi, tidak diawasi, dan semi-diawasi?
SEBUAH:
Perbedaan utama antara pembelajaran terawasi dan tidak terawasi dalam pembelajaran mesin adalah penggunaan data pelatihan.
Pembelajaran yang diawasi menggunakan contoh data untuk menunjukkan seperti apa data yang "benar". Data disusun untuk menunjukkan output dari input yang diberikan.
Algoritma pembelajaran mesin yang mengklasifikasikan buah mungkin memiliki gambar buah-buahan seperti apel, pisang, anggur dan jeruk sebagai input dan nama buah-buahan ini sebagai output.
Contoh dunia nyata adalah filter spam Bayesian dalam program. Filter ini dilatih dengan contoh-contoh yang dianggap spam. Filter spam kemudian dapat mencari frasa tertentu yang muncul dalam yang muncul dalam spam dan memindahkannya ke folder spam.
Ini seperti menunjukkan kepada manusia bagaimana melakukan tugas baru. Seseorang yang melakukan entri data dapat ditunjukkan contoh data dalam format yang diinginkan perusahaan dan kemudian diharapkan untuk mengikutinya.
Program pembelajaran mesin menggunakan pembelajaran yang diawasi berulang kali dengan data pelatihan. Hasilnya bisa mengesankan ketika benar-benar berjalan. Filter spam Google Gmail sangat akurat karena ada begitu banyak pengguna yang melatihnya.
Pembelajaran tanpa pengawasan tidak memiliki data pelatihan sebelumnya. Dalam contoh klasifikasi buah kami, suatu algoritma mungkin hanya diperlihatkan gambar buah dan diperintahkan untuk mengklasifikasikannya.
Pembelajaran tanpa pengawasan memiliki aplikasi dalam riset pasar dengan mempelajari kebiasaan pembelian pelanggan, atau keamanan dengan memonitor pola peretasan.
Pembelajaran semi-diawasi mencoba mengambil jalan tengah dengan memberi label beberapa data. Misalnya, apel dan jeruk mungkin diberi label dalam program klasifikasi buah, tetapi pisang dan anggur tidak.
Kapan menggunakan salah satu dari algoritma ini akan tergantung pada tipe data yang digunakan. Beberapa tugas memiliki pola yang stabil, seperti penipuan kartu kredit atau spam. Pembelajaran terawasi cocok untuk tugas-tugas semacam ini. Serangan jaringan tidak dapat diprediksi, dan metode pembelajaran yang tidak diawasi atau semi-diawasi mungkin lebih tepat.