การแนะนำอย่างรวดเร็วเกี่ยวกับการเรียนรู้แบบมีผู้สอนและแบบไม่มีผู้ดูแล

สาขาการเรียนรู้ของเครื่องประกอบด้วยชุดอัลกอริธึมจำนวนมหาศาลที่สามารถใช้เพื่อทำความเข้าใจข้อมูลได้ อัลกอริธึมเหล่านี้สามารถจำแนกได้เป็นประเภทใดประเภทหนึ่งต่อไปนี้:

1. อัลกอริธึมการเรียนรู้แบบมีผู้สอน: เกี่ยวข้องกับการสร้างแบบจำลองเพื่อประมาณหรือทำนายผลลัพธ์ตามอินพุตตั้งแต่หนึ่งรายการขึ้นไป

2. อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแล: เกี่ยวข้องกับการค้นหาโครงสร้างและความสัมพันธ์จากอินพุต ไม่มีผลลัพธ์จาก “การควบคุมดูแล”

บทช่วยสอนนี้จะอธิบายความแตกต่างระหว่างอัลกอริธึมทั้งสองประเภทนี้พร้อมกับตัวอย่างต่างๆ ของอัลกอริธึมแต่ละประเภท

อัลกอริธึมการเรียนรู้ภายใต้การดูแล

_อั ลกอริธึมการเรียนรู้แบบ มีผู้สอน _{สามารถ ใช้ได้} เมื่อเรามีตัวแปรอธิบายหนึ่งรายการขึ้นไป ₍ X1 ตัวแปรตอบสนอง:

Y = ฉ (X) + ε

โดยที่ f แสดงถึงข้อมูลที่เป็นระบบที่ X ให้ไว้เกี่ยวกับ Y และโดยที่ ε คือคำที่มีข้อผิดพลาดแบบสุ่มซึ่งเป็นอิสระจาก X โดยมีค่าเฉลี่ยเป็นศูนย์

อัลกอริธึมการเรียนรู้แบบมีผู้สอนมีสองประเภทหลัก:

1. การถดถอย: ตัวแปรเอาท์พุตเป็นแบบต่อเนื่อง (เช่น น้ำหนัก ส่วนสูง เวลา ฯลฯ)

2. การจำแนกประเภท: ตัวแปรเอาท์พุตเป็นแบบหมวดหมู่ (เช่น ชายหรือหญิง สำเร็จหรือล้มเหลว เป็นพิษเป็นภัยหรือร้าย เป็นต้น)

มีสองเหตุผลหลักว่าทำไมเราถึงใช้อัลกอริธึมการเรียนรู้แบบมีผู้สอน:

1. การทำนาย: เรามักจะใช้ชุดตัวแปรอธิบายเพื่อทำนายค่าของตัวแปรตอบสนอง (เช่น การใช้ พื้นที่เป็นตารางฟุต และ จำนวนห้องนอน เพื่อทำนาย ราคาบ้าน )

2. การอนุมาน: เราอาจสนใจที่จะทำความเข้าใจว่าตัวแปรตอบสนองได้รับผลกระทบอย่างไรเมื่อค่าของตัวแปรอธิบายเปลี่ยนแปลงไป (เช่น โดยเฉลี่ยแล้วราคาอสังหาริมทรัพย์จะเพิ่มขึ้นเท่าใด เมื่อจำนวนห้องเพิ่มขึ้นทีละห้อง)

ขึ้นอยู่กับว่าเป้าหมายของเราเป็นการอนุมานหรือการทำนาย (หรือทั้งสองอย่างผสมกัน) เราสามารถใช้วิธีต่างๆ เพื่อประมาณค่าฟังก์ชัน f ได้ ตัวอย่างเช่น โมเดลเชิงเส้นให้การตีความที่ง่ายกว่า แต่โมเดลที่ไม่เชิงเส้นที่ยากในการตีความอาจให้การคาดการณ์ที่แม่นยำยิ่งขึ้น

นี่คือรายการอัลกอริธึมการเรียนรู้แบบมีผู้สอนที่ใช้บ่อยที่สุด:

• การถดถอยเชิงเส้น
• การถดถอยโลจิสติก
• การวิเคราะห์จำแนกเชิงเส้น
• การวิเคราะห์จำแนกกำลังสอง
• ต้นไม้การตัดสินใจ
• ไร้เดียงสา เบย์ส
• รองรับเครื่องเวกเตอร์
• โครงข่ายประสาทเทียม

อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแล

อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแล สามารถใช้ได้เมื่อ _เรา มีรายการ _{ตัวแปร (} X ₁ , ข้อมูล

อัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลมีสองประเภทหลัก:

1. การจัดกลุ่ม: การใช้อัลกอริธึมประเภทนี้ เราพยายามค้นหา “กลุ่ม” ของ การสังเกต ในชุดข้อมูลที่คล้ายคลึงกัน ซึ่งมักใช้ในการค้าปลีกเมื่อธุรกิจต้องการระบุกลุ่มลูกค้าที่มีพฤติกรรมการซื้อคล้ายกัน เพื่อให้พวกเขาสามารถสร้างกลยุทธ์การตลาดเฉพาะเจาะจงที่กำหนดเป้าหมายกลุ่มลูกค้าบางกลุ่มได้

2. การเชื่อมโยง: การใช้อัลกอริธึมประเภทนี้ เราพยายามค้นหา “กฎ” ที่สามารถนำมาใช้เพื่อสร้างการเชื่อมโยงได้ ตัวอย่างเช่น ผู้ค้าปลีกสามารถพัฒนาอัลกอริธึมการเชื่อมโยงที่ระบุว่า “หากลูกค้าซื้อผลิตภัณฑ์ X พวกเขามีแนวโน้มที่จะซื้อสินค้า Y เช่นกัน”

นี่คือรายการอัลกอริธึมการเรียนรู้แบบไม่มีผู้ดูแลที่ใช้บ่อยที่สุด:

• การวิเคราะห์องค์ประกอบหลัก
• การจัดกลุ่ม K-mean
• การจัดกลุ่มของ K-medoids
• การจำแนกประเภทตามลำดับชั้น
• อัลกอริธึมนิรนัย

สรุป: การเรียนรู้แบบมีผู้สอนหรือไม่มีผู้ดูแล

ตารางต่อไปนี้สรุปความแตกต่างระหว่างอัลกอริธึมการเรียนรู้แบบมีผู้สอนและแบบไม่มีผู้ดูแล:

และแผนภาพต่อไปนี้จะสรุปประเภทของอัลกอริทึมการเรียนรู้ของเครื่อง: