supervised learning


Eigenschappen

Voorkeurslabelsupervised learning
DefinitieBegeleid leren is de taak van machine learning om een ​​functie te leren die een invoer toewijst aan een uitvoer op basis van voorbeeldinvoer-uitvoerparen. Het leidt een functie af van gelabelde trainingsgegevens bestaande uit een set trainingsvoorbeelden .
Synoniembegeleid leren
Toelichting op definitieBij begeleid leren is elk voorbeeld een paar dat bestaat uit een invoerobject (typisch een vector) en een gewenste uitvoerwaarde (ook wel het supervisiesignaal genoemd ). Een begeleid leeralgoritme analyseert de trainingsgegevens en produceert een afgeleide functie, die kan worden gebruikt om nieuwe voorbeelden in kaart te brengen. Met een optimaal scenario kan het algoritme de klasselabels voor ongeziene instanties correct bepalen. Dit vereist dat het leeralgoritme op een "redelijke" manier generaliseert van de trainingsgegevens naar ongeziene situaties (zie inductieve bias ).

De parallelle taak in de menselijke en dierlijke psychologie wordt vaak conceptleren genoemd .

Om een ​​bepaald probleem van begeleid leren op te lossen, moet men de volgende stappen uitvoeren:

1. Bepaal het type trainingsvoorbeelden. Voordat de gebruiker iets anders gaat doen, moet hij beslissen wat voor soort gegevens als trainingsset moeten worden gebruikt. In het geval van handschriftanalyse kan dit bijvoorbeeld een enkel handgeschreven teken zijn, een heel handgeschreven woord of een hele regel handschrift. 2. Verzamel een trainingsset. De trainingsset moet representatief zijn voor het echte gebruik van de functie. Zo wordt een set invoerobjecten verzameld en worden overeenkomstige uitvoeringen ook verzameld, hetzij van menselijke experts of van metingen. 3. Bepaal de weergave van de invoerfunctie van de geleerde functie. De nauwkeurigheid van de aangeleerde functie hangt sterk af van hoe het invoerobject wordt weergegeven. Meestal wordt het invoerobject getransformeerd in een kenmerkvector , die een aantal kenmerken bevat die het object beschrijven. Het aantal kenmerken mag niet te groot zijn vanwege de vloek van dimensionaliteit ; maar moet voldoende informatie bevatten om de output nauwkeurig te voorspellen. 4. Bepaal de structuur van de aangeleerde functie en het bijbehorende leeralgoritme. De ingenieur kan er bijvoorbeeld voor kiezen om ondersteunende vectormachines of beslissingsbomen te gebruiken. 5. Maak het ontwerp af. Voer het leeralgoritme uit op de verzamelde trainingsset. Bij sommige onder toezicht staande leeralgoritmen moet de gebruiker bepaalde controleparameters bepalen. Deze parameters kunnen worden aangepast door de prestaties op een subset (een zogenaamde validatieset ) van de trainingsset te optimaliseren, of via kruisvalidatie .

6. Evalueer de nauwkeurigheid van de geleerde functie. Na aanpassing van de parameters en leren, moeten de prestaties van de resulterende functie worden gemeten op een testset die losstaat van de trainingsset.
Exacte overeenkomsthttps://en.wikipedia.org/wiki/Supervised_learning
Afbeelding van220px-Kernel_Machine.svg.png

Relaties

VertrekpuntRelatieEindpunten
supervised learningBreder
supervised learningBron van

Afgeleide relaties

VertrekpuntRelatieEindpunt
Rdf.jpg