क्या मशीन लर्निंग पर्यवेक्षित नहीं है?

2024 लेखक: Lynn Donovan | [email protected]. अंतिम बार संशोधित: 2023-12-15 23:47

अनुपयोगी शिक्षा एक है मशीन लर्निंग तकनीक, जहां आपको मॉडल की निगरानी करने की आवश्यकता नहीं है। पर्यवेक्षित मशीन लर्निंग आपको डेटा में सभी प्रकार के अज्ञात पैटर्न खोजने में मदद करता है। क्लस्टरिंग और एसोसिएशन दो प्रकार के होते हैं अनुपयोगी शिक्षा.

इसके संबंध में, मशीन लर्निंग की निगरानी की जाती है या अनुपयोगी?

के क्षेत्र में मशीन लर्निंग , दो मुख्य प्रकार के कार्य हैं: निगरानी , तथा के चलते किसी . दो प्रकार के बीच मुख्य अंतर यह है कि पर्यवेक्षित अध्ययन जमीनी सच्चाई का उपयोग करके किया जाता है, या दूसरे शब्दों में, हमें इस बात का पूर्व ज्ञान है कि हमारे नमूनों के लिए आउटपुट मान क्या होना चाहिए।

दूसरे, अनुपयोगी शिक्षा का उपयोग कहाँ किया जाता है? अनुपयोगी शिक्षा अक्सर उपयोग किया गया डेटा को प्रीप्रोसेस करने के लिए। आमतौर पर, इसका मतलब है कि इसे किसी गहरे तंत्रिका जाल या किसी अन्य पर्यवेक्षित को खिलाने से पहले पीसीए या एसवीडी के साथ कुछ अर्थ-संरक्षण तरीके से संपीड़ित करना सीख रहा हूँ कलन विधि।

दूसरे, अनुपयोगी शिक्षण उदाहरण क्या है?

यहाँ हो सकता है अनुपयोगी मशीन लर्निंग उदाहरण जैसे k- साधन क्लस्टरिंग , हिडन मार्कोव मॉडल, DBSCAN क्लस्टरिंग , पीसीए, टी-एसएनई, एसवीडी, एसोसिएशन नियम। आइए उनमें से कुछ की जाँच करें: k- साधन क्लस्टरिंग - डेटा खनन। k-साधन क्लस्टरिंग केंद्रीय एल्गोरिथम है अनुपयोगी मशीन लर्निंग कार्यवाही।

पर्यवेक्षित अधिगम क्या है, अनुपयोगी अधिगम कार्यों के उदाहरण दीजिए?

कुछ लोकप्रिय अनुपयोगी शिक्षा के उदाहरण एल्गोरिदम हैं: k- साधन के लिए क्लस्टरिंग समस्या। एसोसिएशन नियम के लिए अप्रीरी एल्गोरिथम सीख रहा हूँ समस्या।