什么是監(jiān)督機器學(xué)習(xí)？它是如何工作的（示例）。通過這篇博文，您將詳細了解監(jiān)督式機器學(xué)習(xí)并探索一些示例。你了解人工智能嗎 ？如果是，你就會知道機器學(xué)習(xí)是。這是創(chuàng)造人工智能的一種途徑。在這個過程中，您可以根據(jù)已標記為特定結(jié)果的某些數(shù)據(jù)來指導(dǎo)算法。您可以將機器學(xué)習(xí)分成兩個獨立的算法。監(jiān)督機器學(xué)習(xí)和無監(jiān)督機器學(xué)習(xí)。監(jiān)督機器學(xué)習(xí)是人工智能研究的重要一步。它涉及分類任務(wù)，您可以在其中使用已知值標記數(shù)據(jù)。例如，“這個物體應(yīng)該是藍色的”或“這個動物應(yīng)該是貓”。我們應(yīng)該從什么是監(jiān)督機器學(xué)習(xí)開始嗎？它是如何工作的（示例）。
什么是監(jiān)督機器學(xué)習(xí)？
總而言之，有監(jiān)督機器學(xué)習(xí)是教機器如何使用標記數(shù)據(jù)集進行學(xué)習(xí)的過程。在這種類型的學(xué)習(xí)中，每個樣本都是一對。每個都包含一個輸入對象和所需的輸出值。然后監(jiān)督學(xué)習(xí)算法細讀訓(xùn)練數(shù)據(jù)并產(chǎn)生一個完整的函數(shù)。用它來映射新的例子。此外，最佳模型可以準確地確定未檢測到的實例的類標簽。這就要求學(xué)習(xí)算法以一種“明智”的方式從訓(xùn)練數(shù)據(jù)中歸納出隱藏的情況。此外，監(jiān)督機器學(xué)習(xí)正在學(xué)習(xí)將輸入（例如，圖像）映射到輸出（例如，標簽）的函數(shù)。輸入通常稱為特征。輸出是從簡單的數(shù)字到復(fù)雜的對象或概念類別（例如，“人”與“機器”）的任何東西。總而言之，這種類型的學(xué)習(xí)過程始于訓(xùn)練數(shù)據(jù)。這是一組例子。在這里，在每個示例中，對于特定實例，您只考慮來自每個類的一個成員。因此，對于給定數(shù)據(jù)集的任何新特征向量，您希望您的模型能夠預(yù)測它屬于哪個類別。而不僅僅是一次根據(jù)所有可用功能隨機猜測！
兩種主要類型的監(jiān)督機器學(xué)習(xí)算法是回歸和分類。
通常，當輸出標簽是連續(xù)的實數(shù)值時，您可以使用回歸算法。例如，預(yù)測股票的價格。當輸出標簽是離散類時使用分類算法。例如，預(yù)測電子郵件是否是垃圾郵件。一些常見的監(jiān)督機器學(xué)習(xí)算法包括——線性回歸、邏輯回歸、決策樹和支持向量機。因此，有監(jiān)督的學(xué)習(xí)方式是一種技術(shù)，您可以在其中擁有并分類的訓(xùn)練數(shù)據(jù)。同樣，對于這種類型的 機器學(xué)習(xí)來說，重要的是旨在從標記的示例中學(xué)習(xí)。這使人們更容易了解世界范圍內(nèi)正在發(fā)生的事情。
監(jiān)督機器學(xué)習(xí)如何工作？
首先，監(jiān)督學(xué)習(xí)是一種訓(xùn)練，你可以使用高度標記的數(shù)據(jù)來教機器。意思是，一些數(shù)據(jù)已經(jīng)被標記為正確的響應(yīng)。您可以使用標記數(shù)據(jù)集以這種機器學(xué)習(xí)方式訓(xùn)練樣本。在這里，模型學(xué)習(xí)每種數(shù)據(jù)類型。
一旦模型了解了帶標簽的輸入數(shù)據(jù)和帶標簽的輸出數(shù)據(jù)之間的關(guān)系，您就可以使用它了。用途是對新的、未檢測到的數(shù)據(jù)集進行分類并進行預(yù)測。那么，學(xué)習(xí)過程的監(jiān)督模型怎么可能檢測不到新數(shù)據(jù)呢？當您推斷預(yù)測的輸出數(shù)據(jù)和輸入數(shù)據(jù)之間的關(guān)系時，您可以這樣做。
訓(xùn)練集包括輸入數(shù)據(jù)和正確的輸出數(shù)據(jù)。這讓模型可以隨著時間的推移進行訓(xùn)練。訓(xùn)練數(shù)據(jù)集包括輸入和正確的輸出，這有助于模型更快地學(xué)習(xí)。
實際上，這些學(xué)習(xí)算法試圖對關(guān)系和依賴關(guān)系進行建模。它介于目標輸出的預(yù)測和輸入特征之間。因此，您可以根據(jù)從初始數(shù)據(jù)集中學(xué)習(xí)到的這些關(guān)系來預(yù)測新數(shù)據(jù)的輸出值。
該方法通過標記訓(xùn)練數(shù)據(jù)來學(xué)習(xí)輸入和輸出之間的關(guān)系。因此，使用這些學(xué)習(xí)模型或預(yù)測輸出對新數(shù)據(jù)進行分類。好吧，簡單地說，這種機器學(xué)習(xí)取決于標記的輸入和輸出訓(xùn)練數(shù)據(jù)。另一方面，無監(jiān)督學(xué)習(xí)處理未標記或原始數(shù)據(jù)。
在無監(jiān)督學(xué)習(xí)中，您教機器使用未標記的數(shù)據(jù)。它適用于沒有標簽的數(shù)據(jù)。換句話說，您使用標記訓(xùn)練數(shù)據(jù)集的子集訓(xùn)練算法。在這里，您將預(yù)測與實際測試數(shù)據(jù)進行比較以評估模型。
此外，監(jiān)督方式的學(xué)習(xí)技術(shù)是對未標記的數(shù)據(jù)做出最佳猜測預(yù)測。然后，您將這些數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)提供給監(jiān)督學(xué)習(xí)算法。此外，利用該模型來預(yù)測新的未觀察到的數(shù)據(jù)。
例如，您在機器學(xué)習(xí)算法學(xué)習(xí)過程中為問題提供正確答案。因此，該算法能夠了解您如何將其他特征與目標變量相關(guān)聯(lián)。這使它能夠從歷史數(shù)據(jù)中發(fā)現(xiàn)見解并預(yù)測未來的結(jié)果。
這里沒有老師，一旦計算機從您的數(shù)據(jù)中學(xué)習(xí)了模式，它就會教您新事物。當人類專家需要幫助了解要在數(shù)據(jù)中尋找什么時，監(jiān)督學(xué)習(xí)算法特別有用。
訓(xùn)練計算機算法，直到它能夠發(fā)現(xiàn)輸入數(shù)據(jù)和輸出標簽之間的潛在模式和關(guān)系。這允許它在呈現(xiàn)尚未看到的數(shù)據(jù)時產(chǎn)生準確的標記結(jié)果。輸入標簽數(shù)據(jù)被送入模型訓(xùn)練例程，然后生成能夠輸出預(yù)測標簽的模型。當您將輸入數(shù)據(jù)提供給模型時，它會通過強化學(xué)習(xí)過程調(diào)整其權(quán)重。確保模型已正確安裝。
監(jiān)督機器學(xué)習(xí)的例子
現(xiàn)在讓我們看看商業(yè)模型中使用的一些監(jiān)督機器學(xué)習(xí)模型：
預(yù)測分析
這種機器學(xué)習(xí)的最大優(yōu)點之一是預(yù)測分析。它可以幫助企業(yè)深入觀察不同的數(shù)據(jù)點。導(dǎo)致企業(yè)根據(jù)系統(tǒng)給出的結(jié)果預(yù)測具體的產(chǎn)出。同時，它有助于企業(yè)管理層做出更好的業(yè)務(wù)決策。
示例 – 您使用受監(jiān)督的學(xué)習(xí)方式來確定房地產(chǎn)價格。為此，您需要有關(guān)土地位置、土地面積和現(xiàn)行土地價格的詳細信息。如果您擁有完整的信息，則可以利用它來訓(xùn)練數(shù)據(jù)。因此，您可以使用訓(xùn)練有素的監(jiān)督學(xué)習(xí)數(shù)據(jù)來預(yù)測特定區(qū)域的土地價格。
物體和圖像識別
在這個例子中，這種機器學(xué)習(xí)可以讓你從視頻和圖像中區(qū)分出對象。還使用該方法對相似對象進行分類和定位。這在選擇某些視覺技術(shù)或圖像分析時特別有用。物體和圖像識別的最終目標是準確定位圖像。
示例 – 借助機器學(xué)習(xí)的監(jiān)督方式，您可以準確地識別一個對象。就像動物的形象，如大象或馬，或其他物體，如家具或汽車。
動態(tài)分析
動態(tài)分析或情感分析是您使用機器監(jiān)督學(xué)習(xí)的另一個領(lǐng)域。通過這種類型的學(xué)習(xí)，您可以評估客戶的需求。機器學(xué)習(xí)算法收集和分類基本信息。全部來自大型數(shù)據(jù)集，如意圖和上下文，零人工幫助。通過這種學(xué)習(xí)形式，您還可以了解文本包含的情感。這種格式對于解讀客戶需求和提升企業(yè)品牌形象非常有幫助。
示例 – 電子商務(wù)商店使用受監(jiān)督的機器學(xué)習(xí)來理解客戶評論。他們網(wǎng)站上的評論幫助公司改進他們的產(chǎn)品。
監(jiān)督機器學(xué)習(xí)的優(yōu)勢是什么？
這種機器學(xué)習(xí)過程使用標記數(shù)據(jù)集來訓(xùn)練算法。這用于對數(shù)據(jù)進行分類或預(yù)測輸出。在機器學(xué)習(xí)的監(jiān)督方式中，您使用高度標記的數(shù)據(jù)訓(xùn)練機器。它有助于預(yù)測準確的結(jié)果或分析數(shù)據(jù)。在監(jiān)督機器學(xué)習(xí)中提供給機器的訓(xùn)練數(shù)據(jù)充當控制器。教機器如何準確預(yù)測結(jié)果。
同時，監(jiān)督性質(zhì)的機器學(xué)習(xí)通過標記的訓(xùn)練數(shù)據(jù)學(xué)習(xí)輸入和輸出之間的關(guān)系。然后使用這些學(xué)習(xí)模式對新數(shù)據(jù)進行分類或預(yù)測輸出。幾位從事機器學(xué)習(xí)研究的研究人員表示，與無監(jiān)督機器學(xué)習(xí)相比，使用未標記數(shù)據(jù)標記的數(shù)據(jù)可顯著提高學(xué)習(xí)精度。組織可能會開始使用未標記的數(shù)據(jù)進行培訓(xùn)。然后使用無監(jiān)督方法，隨著時間的推移，識別正確的標簽。最后，機器可能會走向監(jiān)督學(xué)習(xí)。
您可以訓(xùn)練監(jiān)督學(xué)習(xí)模型，直到它可以發(fā)現(xiàn)輸入和輸出數(shù)據(jù)標簽之間的潛在關(guān)系和模式。因此，它可以在您每次呈現(xiàn)新數(shù)據(jù)集時提供精確的標簽。最后，訓(xùn)練模型，直到它檢測到標簽的輸入數(shù)據(jù)和輸出示例之間的潛在模式。允許模型準確標記以前未見過的新數(shù)據(jù)。
結(jié)論
總結(jié)這篇文章博客，監(jiān)督機器學(xué)習(xí)是一項機器學(xué)習(xí)任務(wù)，涉及學(xué)習(xí)將輸入數(shù)據(jù)映射到輸出值的函數(shù)。此外，有監(jiān)督的機器學(xué)習(xí)很有用，因為您可以使用它來執(zhí)行復(fù)雜的任務(wù)。例如垃圾郵件過濾或光學(xué)字符識別，它們對標記數(shù)據(jù)中的人為錯誤高度敏感。
為此，您還可以使用監(jiān)督機器學(xué)習(xí)來完成更簡單的任務(wù)。例如，搜索引擎優(yōu)化或計算機視覺。有許多可用的功能，但您可能隨時只需要幾個標簽。最后，監(jiān)督學(xué)習(xí)主要用于識別和分類特定類別中未觀察到的數(shù)據(jù)。例如圖像、文檔和文字。機器學(xué)習(xí)是指算法識別數(shù)據(jù)中的模式并使用這些模式來指導(dǎo)模型的學(xué)習(xí)過程。每次都提供準確的結(jié)果。
