Машинное обучение и его виды

машинное обучение — это часть искусственного интеллекта, которая обеспечивает возможность автоматического обучения и улучшения на основе предыдущего опыта. он может решить любую проблему без посторонней помощи. используется следующая библиотека, такая как pandas, NumPy, matplotlib и seaborn. мы используем библиотеку pandas для чтения набора данных. набор данных может быть числовым и строковым значением. Библиотека matplotlib используется для построения графика визуализации, а библиотека seaborn также используется для построения графика визуализации. это несколько библиотек, которые мы использовали для выполнения задач в машинном обучении

Тип машинного обучения

Существует два типа машинного обучения, такие как:

  1. контролируемый алгоритм
  2. неконтролируемый алгоритм

1. контролируемое обучение

в контролируемом вводе и выводе обучения информация доступна. там у нас есть помеченные данные. Помеченные данные означают, что вся информация доступна, нужно только классифицировать ее, и, говоря простыми словами, здесь руководитель может научить всему.

Существуют следующие типы алгоритмов обучения с учителем, такие как

1. классификация

2. регресс

1. классификация

когда нам нужен результат в виде истинной, ложной и двоичной формы, мы использовали алгоритмы классификации. Существуют следующие типы алгоритмов, такие как

  1. наивный байесовский
  2. Машина опорных векторов
  3. k ближайших соседей

2. Регрессия

когда у нас есть непрерывное значение данных, мы используем алгоритмы регрессии, такие как

  1. регрессия дерева решений
  2. линейная регрессия
  3. логистическая регрессия

2. алгоритм обучения без учителя

при неконтролируемом обучении входная информация доступна, но выходная информация недоступна, когда у нас есть входные значения, только тогда мы используем неконтролируемое обучение. существуют следующие типы алгоритмов обучения без учителя, такие как

  1. кластеризация
  2. уменьшение размерности

1. кластеризация

это создает несколько групп, например, если в комнате много студентов, обучающихся на курсах B.sc и B.tech. и я хотел разделить их, чтобы узнать об общем количестве. студентов доступны на определенных курсах. так с помощью кластеризации. Я могу разделить их на две группы. в первой группе будут доступны все студенты BSc, а во второй группе все студенты BTech будут

Существуют следующие типы алгоритмов кластеризации, такие как

  1. кластеризация k-средних
  2. иерархическая кластеризация
  3. средний сдвиг
  4. k методов

2.уменьшение размерности

Здесь мы уменьшаем размеры, например, если конкретная вещь не ясна с одного направления, поэтому мы можем изменить это, чтобы увидеть четкие результаты с направления с использованием размеров, которые могут быть любыми числами. но мы выбираем только наилучшее измерение, которое дает правильный результат или результат по сравнению с другими измерениями. Существуют следующие типы алгоритмов уменьшения размерности, такие как

  1. PCA (анализ компонентов частиц)
  2. LDA (линейный дискриминантный анализ)
  3. выбор функции

Эти алгоритмы хорошо работают с наборами данных переобучения, уменьшая переобучение. он выбирает только важные переменные, которые уменьшают проблему переобучения

Лучший курс онлайн-обучения и сертификации CCNA в Индии 2021