Uzraudzītā mācīšanās ir mašīnmācības veidi, kuros mašīnas tiek apmācītas, izmantojot labi “marķētus” apmācības datus, un, pamatojoties uz šiem datiem, mašīnas prognozē rezultātu. Apzīmētie dati nozīmē, ka daži ievades dati jau ir marķēti ar pareizo izvadi.

Uzraudzītās mācībās iekārtām sniegtie apmācības dati darbojas kā vadītājs, kas māca mašīnām pareizi paredzēt rezultātu. Tas attiecas uz to pašu koncepciju, ko skolēns apgūst skolotāja uzraudzībā.

Uzraudzītā mācīšanās ir process, kurā mašīnmācīšanās modelim tiek nodrošināti ievades dati, kā arī pareizi izvaddati. Uzraudzīta mācību algoritma mērķis ir atrodiet kartēšanas funkciju, lai kartētu ievades mainīgo (x) ar izvades mainīgo (y) .

Reālajā pasaulē var izmantot uzraudzītu mācīšanos Riska novērtējums, attēlu klasifikācija, krāpšanas atklāšana, surogātpasta filtrēšana utt.

Kā darbojas uzraudzīta mācīšanās?

Uzraudzītās mācībās modeļi tiek apmācīti, izmantojot marķētu datu kopu, kurā modelis uzzina par katru datu veidu. Kad apmācības process ir pabeigts, modelis tiek pārbaudīts, pamatojoties uz testa datiem (apmācības kopas apakškopa), un pēc tam tas prognozē rezultātu.

Uzraudzītās mācīšanās darbību var viegli saprast, izmantojot tālāk sniegto piemēru un diagrammu:

Pieņemsim, ka mums ir dažādu veidu formu datu kopa, kas ietver kvadrātu, taisnstūri, trīsstūri un daudzstūri. Tagad pirmais solis ir tas, ka mums ir jāapmāca modelis katrai formai.

• Ja dotajai formai ir četras malas un visas malas ir vienādas, tad tā tiks apzīmēta kā a Kvadrāts .
• Ja dotajai formai ir trīs malas, tad tā tiks apzīmēta kā a trīsstūris .
• Ja dotajai formai ir sešas vienādas malas, tā tiks apzīmēta kā sešstūris .

Tagad pēc apmācības mēs pārbaudām savu modeli, izmantojot testa komplektu, un modeļa uzdevums ir noteikt formu.

Iekārta jau ir apmācīta visu veidu formām, un, kad tā atrod jaunu formu, tā klasificē formu, pamatojoties uz vairākām pusēm, un prognozē izvadi.

Uzraudzītajā apmācībā iesaistītie soļi:

• Vispirms nosakiet apmācības datu kopas veidu
• Apkopojiet/apkopojiet marķētos treniņu datus.
• Sadaliet apmācības datu kopu apmācībā datu kopa, testa datu kopa un validācijas datu kopa .
• Nosakiet apmācības datu kopas ievades funkcijas, kurām ir jābūt pietiekami daudz zināšanu, lai modelis varētu precīzi paredzēt izvadi.
• Nosakiet modelim piemērotu algoritmu, piemēram, atbalsta vektora mašīnu, lēmumu koku utt.
• Izpildiet algoritmu apmācības datu kopā. Dažreiz mums ir vajadzīgas validācijas kopas kā kontroles parametri, kas ir apmācības datu kopu apakškopa.
• Novērtējiet modeļa precizitāti, nodrošinot testa komplektu. Ja modelis paredz pareizo izvadi, tas nozīmē, ka mūsu modelis ir precīzs.

Uzraudzīto mašīnmācīšanās algoritmu veidi:

Uzraudzīto mācīšanos var iedalīt divu veidu problēmās:

1. Regresija

attēlu izlīdzināšana css

Regresijas algoritmi tiek izmantoti, ja pastāv saistība starp ievades mainīgo un izvades mainīgo. To izmanto nepārtrauktu mainīgo prognozēšanai, piemēram, laikapstākļu prognozēšanai, tirgus tendencēm utt. Tālāk ir norādīti daži populāri regresijas algoritmi, kas tiek apmācīti uzraudzītā veidā.

• Lineārā regresija
• Regresijas koki
• Nelineārā regresija
• Bajesa lineārā regresija
• Polinoma regresija

2. Klasifikācija

Klasifikācijas algoritmi tiek izmantoti, ja izvades mainīgais ir kategorisks, kas nozīmē, ka ir divas klases, piemēram, jā-nē, vīrietis-sieviete, patiess-nepatiess utt.

Surogātpasta filtrēšana,

• Izlases mežs
• Lēmumu koki
• Loģistiskā regresija
• Atbalsta vektoru mašīnas

Piezīme: Šos algoritmus sīkāk apspriedīsim turpmākajās nodaļās.

Uzraudzītas apmācības priekšrocības:

• Izmantojot uzraudzītu mācīšanos, modelis var paredzēt rezultātu, pamatojoties uz iepriekšējo pieredzi.
• Uzraudzītajā mācībā mums var būt precīzs priekšstats par objektu klasēm.
• Uzraudzītais mācību modelis palīdz mums atrisināt dažādas reālas problēmas, piemēram, krāpšanas atklāšana, surogātpasta filtrēšana utt.

Uzraudzītas apmācības trūkumi:

• Uzraudzīti mācību modeļi nav piemēroti sarežģītu uzdevumu veikšanai.
• Uzraudzīta mācīšanās nevar paredzēt pareizo rezultātu, ja testa dati atšķiras no apmācības datu kopas.
• Apmācība prasīja daudz aprēķina laiku.
• Uzraudzītajā mācībā mums ir nepieciešams pietiekami daudz zināšanu par objektu klasēm.