Обучение с учителем – это задача машинного обучения, в которой все данные помечены, и у нас есть входные переменные (x) и выходная переменная (Y), и мы используем алгоритм для прогнозирования вывода на основе входных данных:

Y = f(X)

Какие существуют типы обучения с учителем в машинном обучении?

Проблемы контролируемого обучения могут быть далее сгруппированы в проблемы регрессии и классификации.

  1. Классификация: проблема классификации возникает, когда выходная переменная представляет собой категорию: «красный» или «зеленый», «да» или «нет», «истина» или «ложь».
  • Примеры прогнозов с использованием классификации: обнаружение спама, прогнозирование оттока, анализ настроений.

2. Регрессия: проблема регрессии возникает, когда выходная переменная представляет собой реальное значение, например «доллары» или «вес».

  • Примеры прогнозов с использованием классификации: прогноз цен на жилье, прогноз цен на акции.

Какие алгоритмы машинного обучения с учителем используются чаще всего?

Наиболее широко используемые алгоритмы обучения с учителем:

  • Опорные векторные машины
  • линейная регрессия
  • логистическая регрессия
  • наивный байесовский
  • линейный дискриминантный анализ
  • деревья решений
  • k-алгоритм ближайшего соседа
  • Нейронные сети (многослойный персептрон)
  • Обучение подобия

Ресурсы:

  1. Алгоритмы машинного обучения с учителем и без учителя
  2. Контролируемое обучение
  3. Машинное обучение с учителем: классификация

Первоначально опубликовано на https://bitesizedknowledge.blogspot.com.