তদারকি করা এবং নিরীক্ষণযোগ্য শেখার মধ্যে ঠিক কী পার্থক্য?


28

আমি ক্লাস্টারিং পদ্ধতিগুলি বোঝার চেষ্টা করছি।

আমি কী বুঝি দ্বিতীয়টি:

  1. তত্ত্বাবধানে শিক্ষায়, বিভাগ / লেবেল ডেটা নির্ধারিত হয় গণনার আগে জানা যায়। সুতরাং, সেই ক্লাস্টারগুলির জন্য সত্যই তাত্পর্যপূর্ণ পরামিতিগুলি "শেখার" জন্য লেবেল, শ্রেণি বা বিভাগগুলি ব্যবহৃত হচ্ছে।

  2. নিরীক্ষণযোগ্য শেখার ক্ষেত্রে, ক্লাস্টারগুলি না জেনে ডেটাসেটগুলি বিভাগগুলিতে বরাদ্দ করা হয়।

তার মানে কি এই যে, আমি যদি জানিনা যে কোন বিভাগগুলি জন্য কোন পরামিতিগুলি গুরুত্বপূর্ণ, আমার তত্ত্বাবধানে পড়াশোনা করা উচিত?


2
লক্ষ করুন যে ক্লাস্টারিং কেবলমাত্র নিরীক্ষণযোগ্য শিক্ষার ধরণ নয়।
জর্জ

1
লেবেলযুক্ত প্রশিক্ষণের ডেটা পাওয়া গেলে তদারকি করা শেখা পছন্দ করা হয়। আপনি তত্ত্বাবধানে বা আনসারভিজড পদ্ধতি ব্যবহার করে আপনার ডেটা বিভাজন করতে পারেন। তত্ত্বাবধানে থাকা সেটিংয়ে মূল পার্থক্য হ'ল, আপনি আপনার প্রশিক্ষণের ডেটার জন্য সঠিক বিভাগটি জানেন।
নিক

উত্তর:


23

পার্থক্যটি হল তত্ত্বাবধানে শেখার ক্ষেত্রে "বিভাগ", "শ্রেণি" বা "লেবেল" পরিচিত। নিরীক্ষণযোগ্য শেখার ক্ষেত্রে এগুলি হয় না, এবং শেখার প্রক্রিয়াটি উপযুক্ত "বিভাগগুলি" সন্ধান করার চেষ্টা করে। উভয় ধরণের শিক্ষায় সমস্ত প্যারামিটারগুলি শ্রেণিকরণের জন্য সবচেয়ে উপযুক্ত কিনা তা নির্ধারণ করা হয়।

আপনি তদারকি করেছেন বা নিরীক্ষণ করা চয়ন করেছেন কিনা তা আপনার ডেটাটির "বিভাগগুলি" কী তা আপনি জানেন কি না তার ভিত্তিতে হওয়া উচিত। যদি আপনি জানেন, তদারকি শেখা ব্যবহার করুন। যদি আপনি না জানেন তবে আনসারভিজড ব্যবহার করুন।

যেহেতু আপনার কাছে প্রচুর পরিমাণে প্যারামিটার রয়েছে এবং আপনি জানেন না কোনটি প্রাসঙ্গিক, আপনি প্রাসঙ্গিক বিষয়গুলি নির্ধারণে সহায়তা করতে নীতি উপাদান বিশ্লেষণের মতো কিছু ব্যবহার করতে পারেন ।


13

লক্ষ করুন যে তদারকির 2 ডিগ্রিরও বেশি রয়েছে। উদাহরণস্বরূপ, কাঠামো আবিষ্কারের দৃষ্টান্ত, ২০০ Christian- এর খ্রিস্টান বিম্যান, আনসুপরিভিড এবং জ্ঞান-মুক্ত প্রাকৃতিক ভাষা প্রসেসিংয়ের পিএইচডি থিসিসের 24-25 (6-7) পৃষ্ঠাগুলি দেখুন

থিসিসটি 4 ডিগ্রি সনাক্ত করে: তত্ত্বাবধান, আধা তত্ত্বাবধান, দুর্বল তত্ত্বাবধান, এবং নিরীক্ষণ, এবং একটি প্রাকৃতিক ভাষা-প্রক্রিয়াজাতকরণ প্রসঙ্গে তফাতগুলি ব্যাখ্যা করে। এখানে প্রাসঙ্গিক সংজ্ঞা রয়েছে:

  • ইন তত্ত্বাবধানে থাকা সিস্টেম, হিসাবে একটি মেশিন লার্নিং আলগোরিদিম উপস্থাপিত তথ্য সম্পূর্ণরূপে লেবেল করা হয়েছে। তার অর্থ: সমস্ত উদাহরণ একটি শ্রেণিবদ্ধকরণের সাথে উপস্থাপিত হয় যা মেশিনটি পুনরুত্পাদন করতে বোঝানো হয়েছিল। এর জন্য ডেটা থেকে একটি শ্রেণিবদ্ধকারী শেখা হয়, এখনও অদেখা দৃষ্টান্তগুলিতে লেবেলগুলি দেওয়ার প্রক্রিয়াটিকে শ্রেণিবদ্ধকরণ বলা হয়।
  • ইন আধা তত্ত্বাবধানে থাকা সিস্টেম, মেশিন অনুমোদিত হয় অতিরিক্ত একাউন্টে লেবেল বিহীন তথ্য গ্রহণ করা। বৃহত্তর ডেটা ভিত্তিতে, আধা-তত্ত্বাবধানে থাকা সিস্টেমগুলি প্রায়শই একই তাত্পর্যপূর্ণ লেবেলযুক্ত উদাহরণগুলি ব্যবহার করে তাদের তদারক করা অংশগুলিকে ছাড়িয়ে যায়। এই উন্নতির কারণ হ'ল আরও আন-লেবেলড ডেটা সিস্টেমকে ডেটার অন্তর্নির্মিত কাঠামোটিকে আরও সঠিকভাবে মডেল করতে সক্ষম করে।
  • বুটস্ট্র্যাপিং, যাকে স্ব-প্রশিক্ষণও বলা হয়, এমন এক শিক্ষার ফর্ম যা আরও কম প্রশিক্ষণের উদাহরণ ব্যবহার করার জন্য ডিজাইন করা হয়েছে, তাই কখনও কখনও দুর্বল-তদারকিও বলা হয় । বুটস্ট্র্যাপিং কয়েকটি প্রশিক্ষণের উদাহরণ দিয়ে শুরু হয়, একটি শ্রেণিবদ্ধকে প্রশিক্ষণ দেয় এবং পুনরায় প্রশিক্ষণের জন্য এই শ্রেণিবদ্ধের দ্বারা উত্পন্ন হিসাবে চিন্তা-ভাবনা হতে পারে ইতিবাচক উদাহরণগুলি ব্যবহার করে। প্রশিক্ষণের উদাহরণগুলির সেট বাড়ার সাথে সাথে শ্রেণিবদ্ধের উন্নতি হয় তবে শর্ত থাকে যে খুব বেশি নেতিবাচক উদাহরণকে ইতিবাচক হিসাবে ভুলভাবে শ্রেণিবদ্ধ করা হয়নি, যা কার্য সম্পাদনের অবনতির দিকে নিয়ে যেতে পারে।
  • নিরীক্ষণযোগ্য সিস্টেমগুলিতে কোনও প্রশিক্ষণের উদাহরণ সরবরাহ করা হয় না এবং ক্লাস্টারিং পরিচালনা করা হয়। এটি ডেটা দৃষ্টান্তগুলি বিভিন্ন গ্রুপে বিভক্ত করা হয়। ক্লাস্টারিং অ্যালগরিদমগুলির ফলাফলগুলি ডেটা চালিত হয়, সুতরাং আরও 'প্রাকৃতিক' এবং ডেটার অন্তর্নিহিত কাঠামোর সাথে আরও উপযুক্ত। এই সুবিধাটিও এর প্রধান ত্রুটি: মেশিনকে কী করা উচিত তা বলার সম্ভাবনা ছাড়াই (শ্রেণিবদ্ধকরণের মতো), ক্লাস্টারিংয়ের ফলাফলের গুণগতমানকে একটি চূড়ান্ত উপায়ে বিচার করা কঠিন। তবে প্রশিক্ষণের উদাহরণ প্রস্তুতির অনুপস্থিতি অযৌক্তিক দৃষ্টান্তটিকে অত্যন্ত আকর্ষণীয় করে তুলেছে।

0

তত্ত্বাবধানে শেখার ক্ষেত্রে ক্লাসগুলি আগাম এবং তাদের ধরণের হিসাবে পরিচিত, উদাহরণস্বরূপ, দুটি শ্রেণি ভাল এবং খারাপ গ্রাহক। যখন নতুন অবজেক্ট (গ্রাহক) তার বৈশিষ্ট্যের ভিত্তিতে আসে তখন গ্রাহককে খারাপ বা ভাল গ্রাহক শ্রেণিতে নিয়োগ দেওয়া যেতে পারে।

অকার্যকর শেখার ক্ষেত্রে গোষ্ঠী / শ্রেণিগুলি ইতিমধ্যে জানা যায় না, আমাদের বস্তু (গ্রাহক) রয়েছে, তাই গ্রাহকরা একই রকম কেনার অভ্যাস রাখেন তাই বিভিন্ন গ্রুপ গ্রাহকদের তৈরি হয় অর্থাৎ কেনার একই অভ্যাসের ভিত্তিতে ইতিমধ্যে পরিচিত নয়।


0

তত্ত্বাবধানে শেখার ক্ষেত্রে আউটপুট (নির্ভরশীল ভেরিয়েবল) নির্ভর করে ইনপুট ভেরিয়েবলের (স্বতন্ত্র ভেরিয়েবল) উপর depends

নিরীক্ষণযোগ্য শিক্ষায় কোন তদারকি নেই তাই সিস্টেম পরিস্থিতিটির সাথে নিজেকে খাপ খাইয়ে নেওয়ার চেষ্টা করে এবং কিছু পরিমাপের ভিত্তিতে ম্যানুয়ালি শিখে।

উদাহরণস্বরূপ: শ্রেণিতে শিক্ষক-নিরীক্ষণ-নিরীক্ষণ শিক্ষণ একটি স্ব-অধ্যয়ন শ্রেণিতে নির্বাচিত-না তদারকি

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.