Nadzorovano učenje v Apache Mahout



Nadzorovano učenje je tehnika strojnega učenja, pri kateri funkcija izhaja iz označenih primerov podatkov o usposabljanju.

Nadzorovano učenje je metoda, pri kateri podatki o vadbi vključujejo vhodne podatke in želene rezultate. Usposabljanje sistema s primeri se imenuje nadzorovano učenje. V nasprotnem primeru lahko trening algoritma z učiteljem obravnavamo tudi kot nadzorovano učenje. Po treningu algoritma z vsemi vzorčnimi podatki ali označenimi podatki, ki imajo oba napovedovalca na ciljni spremenljivki, lahko algoritma usposobimo in uporabimo nevidni primer za nadaljnjo klasifikacijo.





Tu je nekaj pomembnih lastnosti nadzorovanega učenja v Mahoutu:

eksplicitno ulivanje tipa v javi
  • Izdelava ustreznega kompleta za trening, validacijo in preizkušanje (Bok) je ključnega pomena.
  • Te metode so običajno hitre in natančne.
  • Metode nadzorovanega učenja morajo biti sposobne posploševati.
  • Dajo pravilne rezultate, ko so novi podatki vneseni, ne da bi vedeli aprioricilj.
  • V nekaterih primerih so znani pravilni rezultati (cilji), ki so podani kot del modela med učnim procesom.

Primer nadzorovanega učenja

V primeru, da želite izuriti misijo in dobite dve različni skupini slik skupaj z označenimi podatki, npr. na zgornji sliki ima ena skupina podobe slona, ​​druga pa leva. Označeni podatki pomenijo, da ima vsak nabor podatkov ciljno vrednost. V zgornjem primeru je nabor podatkov slika slona, ​​oznaka, ki mu je dana, tj. 'Slon', je ciljna vrednost nabora podatkov. Tako označen nabor podatkov se uporablja za vadbeni proces, tako da se algoritem za vadbo lahko izkoristi na tem naboru podatkov in zgradi nek model, ki se lahko nadalje uporablja za razvrščanje nevidnih primerov brez označenih podatkov ali ciljne spremenljivke.



Prepoznajmo značilnosti, ki pomagajo pri prepoznavanju predmeta kot slona ali leva:

Značilnosti lahko bi bilo - velikost, barva, višina, velikost ušesa, prtljažnik, kljova

Temu lahko rečemo nabor funkcij, ki se bo uporabljal za namene usposabljanja. Ta nabor funkcij bo vplival na končno spremenljivko cilja. Te spremenljivke so znane kot napovedovalne spremenljivke , ker nam pomagajo pri določanju končna ciljna spremenljivka . Končno spremenljivko lahko imenujemo tudi oznaka. Končna spremenljivka tukaj je Slon / lev.



kako kopirati predmet v javi -

table-word

V tem primeru je vsak od zapisov v kategorijah, velikost, barva, višina, velikost ušesa, prtljažnika in kljove napovedna spremenljivka, medtem ko sta Elephant in Lion ciljni spremenljivki. Te spremenljivke lahko obravnavamo kot primere usposabljanja oziroma nabore podatkov.

Tako je nadzorovano učenje način, s katerim trenirate skupaj z nalepkami, pri čemer algoritem zahtevate, da iz njega izvleče določene lastnosti, in na podlagi tega, kadar boste videli neviden primer, ga bo algoritem lahko razvrstil v pravi razred.

Imate vprašanje za nas? Omenite jih v oddelku za komentarje in javili se vam bomo.

java datumski niz do danes

Sorodne objave: