การเรียนรู้แบบมีผู้สอนและแบบไม่มีผู้ดูแล: ความแตกต่างระหว่างพวกเขา

ความแตกต่างที่สำคัญระหว่างการเรียนรู้แบบมีผู้สอนและแบบไม่มีผู้ดูแล

• ในการเรียนรู้แบบมีผู้สอน คุณจะฝึกเครื่องจักรโดยใช้ข้อมูลที่มี "ป้ายกำกับ" เป็นอย่างดี
• การเรียนรู้แบบไม่มีผู้ดูแลเป็นเทคนิคการเรียนรู้ของเครื่อง ซึ่งคุณไม่จำเป็นต้องควบคุมโมเดล
• การเรียนรู้แบบมีผู้สอนช่วยให้คุณสามารถรวบรวมข้อมูลหรือสร้างผลลัพธ์จากประสบการณ์ครั้งก่อนได้
• การเรียนรู้ของเครื่องที่ไม่ได้รับการดูแลช่วยให้คุณค้นหารูปแบบที่ไม่รู้จักทุกประเภทในข้อมูล
• การถดถอยและการจำแนกประเภทเป็นเทคนิคการเรียนรู้ของเครื่องภายใต้การดูแลสองประเภท
• Clusterไอเอ็นจีและสมาคมเป็นการเรียนรู้แบบไม่มีผู้ดูแลสองประเภท
• ในรูปแบบการเรียนรู้แบบมีผู้สอน จะมีการให้ตัวแปรอินพุตและเอาต์พุต ในขณะที่โมเดลการเรียนรู้แบบไม่มีผู้ดูแลจะให้เฉพาะข้อมูลอินพุตเท่านั้น

การเรียนรู้ของเครื่องภายใต้การดูแลคืออะไร?

ในการเรียนรู้แบบมีผู้สอน คุณจะฝึกเครื่องจักรโดยใช้ข้อมูลที่ดี “มีป้ายกำกับ- หมายความว่าข้อมูลบางส่วนถูกแท็กคำตอบที่ถูกต้องแล้ว เปรียบได้กับการเรียนรู้ที่เกิดขึ้นต่อหน้าหัวหน้างานหรือครู

อัลกอริธึมการเรียนรู้แบบมีผู้สอนเรียนรู้จากข้อมูลการฝึกอบรมที่มีป้ายกำกับ ช่วยให้คุณคาดการณ์ผลลัพธ์สำหรับข้อมูลที่ไม่คาดคิด การสร้าง ปรับขนาด และปรับใช้การเรียนรู้ของเครื่องที่มีการดูแลที่แม่นยำได้สำเร็จ แบบจำลองวิทยาศาสตร์ข้อมูลต้องใช้เวลาและความเชี่ยวชาญทางเทคนิคจากทีมนักวิทยาศาสตร์ข้อมูลที่มีทักษะสูง นอกจากนี้ นักวิทยาศาสตร์ด้านข้อมูลจะต้องสร้างแบบจำลองขึ้นใหม่เพื่อให้แน่ใจว่าข้อมูลเชิงลึกที่ให้ไว้ยังคงเป็นจริงจนกว่าข้อมูลจะมีการเปลี่ยนแปลง

Unsupervised Learning คืออะไร?

การเรียนรู้แบบไม่มีผู้ดูแลเป็นเทคนิคการเรียนรู้ของเครื่อง ซึ่งคุณไม่จำเป็นต้องควบคุมโมเดล แต่คุณต้องอนุญาตให้โมเดลทำงานด้วยตัวเองเพื่อค้นหาข้อมูลแทน โดยส่วนใหญ่จะเกี่ยวข้องกับข้อมูลที่ไม่มีป้ายกำกับ

อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลช่วยให้คุณทำงานประมวลผลที่ซับซ้อนกว่าเมื่อเทียบกับการเรียนรู้แบบมีผู้ดูแล แม้ว่าการเรียนรู้แบบไม่มีผู้ดูแลอาจคาดเดาได้ยากกว่าเมื่อเทียบกับวิธีการเรียนรู้เชิงลึกและการเรียนรู้เชิงเสริมแรงแบบธรรมชาติอื่นๆ

ทำไมต้องมีการเรียนรู้แบบมีผู้สอน?

• การเรียนรู้แบบมีผู้สอนช่วยให้คุณสามารถรวบรวมข้อมูลหรือสร้างผลลัพธ์จากประสบการณ์ครั้งก่อนได้
• ช่วยให้คุณปรับเกณฑ์ประสิทธิภาพให้เหมาะสมโดยใช้ประสบการณ์
• การเรียนรู้ของเครื่องภายใต้การดูแลช่วยให้คุณแก้ปัญหาการประมวลผลในโลกแห่งความเป็นจริงประเภทต่างๆ

ทำไมต้องเรียนรู้แบบไม่มีผู้ดูแล?

นี่คือเหตุผลสำคัญสำหรับการใช้การเรียนรู้แบบไม่มีผู้ดูแล:

• การเรียนรู้ของเครื่องที่ไม่ได้รับการดูแลจะค้นหารูปแบบที่ไม่รู้จักทุกประเภทในข้อมูล
• วิธีการที่ไม่มีผู้ดูแลช่วยให้คุณค้นหาคุณลักษณะที่เป็นประโยชน์สำหรับการจัดหมวดหมู่
• มันเกิดขึ้นแบบเรียลไทม์ ดังนั้นข้อมูลที่ป้อนทั้งหมดจะถูกวิเคราะห์และติดป้ายกำกับต่อหน้าผู้เรียน
• การได้รับข้อมูลที่ไม่มีป้ายกำกับจากคอมพิวเตอร์นั้นง่ายกว่าข้อมูลที่ติดป้ายกำกับซึ่งจำเป็นต้องมีการแทรกแซงด้วยตนเอง

การเรียนรู้แบบมีผู้สอนทำงานอย่างไร

ตัวอย่างเช่น คุณต้องการฝึกเครื่องจักรเพื่อช่วยคุณคาดการณ์ว่าจะใช้เวลานานแค่ไหนในการขับรถกลับบ้านจากที่ทำงาน ที่นี่ คุณจะเริ่มต้นด้วยการสร้างชุดข้อมูลที่ติดป้ายกำกับ ข้อมูลนี้ได้แก่

• สภาพอากาศ
• เวลาของวัน
• เที่ยว

รายละเอียดทั้งหมดนี้เป็นข้อมูลที่คุณป้อนเข้าไป ส่วนข้อมูลผลลัพธ์คือระยะเวลาที่ใช้ในการขับรถกลับบ้านในวันนั้น

คุณรู้โดยสัญชาตญาณว่าหากข้างนอกฝนตก คุณจะต้องใช้เวลาขับรถกลับบ้านนานขึ้น แต่เครื่องต้องการข้อมูลและสถิติ

มาดูกันว่าคุณจะพัฒนาโมเดลการเรียนรู้แบบมีผู้สอนตามตัวอย่างนี้ได้อย่างไร ซึ่งจะช่วยให้ผู้ใช้กำหนดเวลาการเดินทางได้ สิ่งแรกที่คุณต้องสร้างคือชุดข้อมูลการฝึกอบรม ชุดการฝึกนี้จะประกอบด้วยเวลาในการเดินทางทั้งหมดและปัจจัยที่เกี่ยวข้อง เช่น สภาพอากาศ เวลา ฯลฯ จากชุดการฝึกนี้ เครื่องของคุณอาจเห็นว่ามีความสัมพันธ์โดยตรงระหว่างปริมาณฝนกับเวลาที่คุณจะกลับบ้าน

ดังนั้นจึงมั่นใจได้ว่ายิ่งฝนตกมากเท่าไหร่คุณก็จะยิ่งขับรถกลับบ้านนานขึ้นเท่านั้น นอกจากนี้ยังอาจเห็นความเชื่อมโยงระหว่างเวลาที่คุณเลิกงานและเวลาที่คุณจะเดินทาง

ยิ่งใกล้หกโมงเย็นก็ยิ่งใช้เวลานานในการกลับบ้าน เครื่องของคุณอาจพบความสัมพันธ์บางอย่างกับข้อมูลที่ติดป้ายกำกับของคุณ

นี่คือจุดเริ่มต้นของโมเดลข้อมูลของคุณ เริ่มส่งผลต่อการที่ฝนส่งผลต่อวิธีการขับขี่ของผู้คน นอกจากนี้ยังเริ่มเห็นว่ามีผู้คนเดินทางมากขึ้นในช่วงเวลาหนึ่งของวัน

การเรียนรู้แบบไม่มีผู้ดูแลทำงานอย่างไร

มาดูกรณีเด็กทารกและสุนัขของครอบครัวเธอกันดีกว่า

เธอรู้จักและระบุตัวตนของสุนัขตัวนี้ได้ ไม่กี่สัปดาห์ต่อมา เพื่อนของครอบครัวก็พาสุนัขมาและพยายามเล่นกับเด็กทารก

ที่รักไม่เคยเห็นสุนัขตัวนี้มาก่อน แต่รับรู้ถึงลักษณะหลายอย่าง (2 หู ตา เดิน 4 ขา) เหมือนสุนัขเลี้ยงของเธอ เธอระบุสัตว์ชนิดใหม่เช่นสุนัข นี่คือการเรียนรู้แบบไม่มีผู้ดูแล ซึ่งคุณไม่ได้รับการสอน แต่คุณเรียนรู้จากข้อมูล (ในกรณีนี้คือข้อมูลเกี่ยวกับสุนัข) หากการเรียนรู้แบบมีผู้สอน เพื่อนในครอบครัวคงจะบอกทารกว่าเป็นสุนัข

ประเภทของเทคนิคการเรียนรู้ของเครื่องภายใต้การดูแล

การถอยหลัง

เทคนิคการถดถอยทำนายค่าเอาท์พุตเดียวโดยใช้ข้อมูลการฝึก

ตัวอย่าง: คุณสามารถใช้การถดถอยเพื่อทำนายราคาบ้านจากข้อมูลการฝึกอบรมได้ ตัวแปรอินพุตจะเป็นพื้นที่ ขนาดบ้าน ฯลฯ

การจัดหมวดหมู่

การจำแนกประเภทหมายถึงการจัดกลุ่มผลลัพธ์ภายในชั้นเรียน หากอัลกอริธึมพยายามระบุอินพุตออกเป็นสองคลาสที่แตกต่างกัน จะเรียกว่าการจำแนกไบนารี การเลือกระหว่างมากกว่าสองคลาสเรียกว่าการจำแนกประเภทหลายคลาส

ตัวอย่าง: การพิจารณาว่าจะมีผู้ผิดนัดชำระหนี้หรือไม่

จุดแข็ง: เอาต์พุตจะมีการตีความความน่าจะเป็นเสมอ และอัลกอริทึมสามารถทำให้เป็นมาตรฐานได้เพื่อหลีกเลี่ยงไม่ให้มีการติดตั้งมากเกินไป

จุดอ่อน:การถดถอยแบบลอจิสติกส์อาจมีประสิทธิภาพต่ำกว่ามาตรฐานเมื่อมีขอบเขตการตัดสินใจหลายขอบเขตหรือแบบไม่เชิงเส้น วิธีนี้ไม่มีความยืดหยุ่น จึงไม่สามารถจับภาพความสัมพันธ์ที่ซับซ้อนมากขึ้นได้

ประเภทของเทคนิคการเรียนรู้ของเครื่องแบบไม่มีผู้ดูแล

ปัญหาการเรียนรู้โดยไม่มีผู้ดูแลจะถูกจัดกลุ่มเพิ่มเติมเป็นปัญหาด้านการจัดกลุ่มและการเชื่อมโยง

Clusterไอเอ็นจี

Clustering เป็นแนวคิดที่สำคัญเมื่อพูดถึงการเรียนรู้แบบไม่มีผู้ดูแล ส่วนใหญ่จะเกี่ยวข้องกับการค้นหาโครงสร้างหรือรูปแบบในการรวบรวมข้อมูลที่ไม่มีการจัดหมวดหมู่ Clusterอัลกอริธึมจะประมวลผลข้อมูลของคุณและค้นหาคลัสเตอร์ธรรมชาติ (กลุ่ม) หากมีอยู่ในข้อมูล คุณยังสามารถปรับเปลี่ยนจำนวนคลัสเตอร์ที่อัลกอริธึมของคุณควรระบุได้ ซึ่งจะช่วยให้คุณปรับความละเอียดของกลุ่มเหล่านี้ได้

สมาคม

กฎการเชื่อมโยงช่วยให้คุณสามารถสร้างการเชื่อมโยงระหว่างวัตถุข้อมูลภายในฐานข้อมูลขนาดใหญ่ได้ เทคนิคที่ไม่ได้รับการดูแลนี้เป็นการค้นหาความสัมพันธ์ที่น่าตื่นเต้นระหว่างตัวแปรในฐานข้อมูลขนาดใหญ่ ตัวอย่างเช่น คนที่ซื้อบ้านใหม่มักจะซื้อเฟอร์นิเจอร์ใหม่

ตัวอย่างอื่น ๆ :

• กลุ่มย่อยของผู้ป่วยโรคมะเร็งที่จัดกลุ่มตามการวัดการแสดงออกของยีน
• กลุ่มนักช้อปตามประวัติการเข้าชมและการซื้อ
• กลุ่มภาพยนตร์ตามเรตติ้งที่กำหนดโดยผู้ชมภาพยนตร์

ความแตกต่างระหว่างการเรียนรู้แบบมีผู้สอนและแบบไม่มีผู้ดูแล

พารามิเตอร์	เทคนิคการเรียนรู้ของเครื่องภายใต้การดูแล	เทคนิคการเรียนรู้ของเครื่องที่ไม่ได้รับการดูแล
กระบวนการ	ในโมเดลการเรียนรู้แบบมีผู้สอน จะมีการให้ตัวแปรอินพุตและเอาต์พุต	ในรูปแบบการเรียนรู้แบบไม่มีผู้ดูแล จะมีการป้อนข้อมูลเท่านั้น
ป้อนข้อมูล	Algorithms ได้รับการฝึกอบรมโดยใช้ข้อมูลที่ติดป้ายกำกับ	Algorithms ใช้กับข้อมูลที่ไม่มีป้ายกำกับ
Algorithms เคย	รองรับเครื่องเวกเตอร์ โครงข่ายประสาทเทียม การถดถอยเชิงเส้นและลอจิสติกส์ ฟอเรสต์แบบสุ่ม และแผนผังการจำแนกประเภท	อัลกอริทึมที่ไม่มีการดูแลสามารถแบ่งออกเป็นหมวดหมู่ต่างๆ เช่น Cluster อัลกอริทึม K-means การจัดกลุ่มแบบลำดับชั้น ฯลฯ
ความซับซ้อนในการคำนวณ	การเรียนรู้แบบมีผู้สอนเป็นวิธีที่ง่ายกว่า	การเรียนรู้แบบไม่มีผู้ดูแลมีความซับซ้อนในการคำนวณ
การใช้ข้อมูล	โมเดลการเรียนรู้แบบมีผู้สอนใช้ข้อมูลการฝึกอบรมเพื่อเรียนรู้การเชื่อมโยงระหว่างอินพุตและเอาต์พุต	การเรียนรู้แบบไม่มีผู้ดูแลไม่ได้ใช้ข้อมูลเอาท์พุต
ความแม่นยำของผลลัพธ์	วิธีการที่แม่นยำและเชื่อถือได้สูง	Less วิธีการที่แม่นยำและเชื่อถือได้
การเรียนรู้แบบเรียลไทม์	วิธีการเรียนรู้เกิดขึ้นแบบออฟไลน์	วิธีการเรียนรู้เกิดขึ้นแบบเรียลไทม์
จำนวนคลาส	ทราบจำนวนคลาสแล้ว	ไม่ทราบจำนวนชั้นเรียน
ข้อเสียเปรียบหลัก	การจัดประเภทข้อมูลขนาดใหญ่อาจเป็นความท้าทายอย่างแท้จริงในการเรียนรู้แบบมีผู้สอน	คุณไม่สามารถรับข้อมูลที่แม่นยำเกี่ยวกับการเรียงลำดับข้อมูลได้ และผลลัพธ์ที่เป็นข้อมูลที่ใช้ในการเรียนรู้แบบไม่มีผู้ดูแลจะมีป้ายกำกับและไม่เป็นที่รู้จัก