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.
- 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:
- Алгоритмы машинного обучения с учителем и без учителя
- Контролируемое обучение
- Машинное обучение с учителем: классификация
Первоначально опубликовано на https://bitesizedknowledge.blogspot.com.