이러한 감독 및 감독되지 않은 학습 기술은 거대한 수의 상호 연결된 처리 요소를 포함하는 데이터 처리 시스템 인 인공 신경망과 같은 다양한 응용 프로그램에서 구현됩니다.
비교 차트
| 비교 근거 | 감독 학습 | 무 감독 학습 |
|---|---|---|
| 기본 | 레이블이 지정된 데이터를 다룹니다. | 레이블이없는 데이터를 처리합니다. |
| 계산상의 복잡성 | 높은 | 낮은 |
| 분석 | 오프라인 | 실시간 |
| 정확성 | 정확한 결과를 산출합니다. | 중간 결과 생성 |
| 하위 도메인 | 분류 및 회귀 | 클러스터링 및 연결 규칙 마이닝 |
감독 학습의 정의
감독 학습 방법은 목표 패턴 (출력 패턴)과 함께 학습 세트가 작업을 수행하기 위해 시스템에 제공되는 시스템 또는 기계의 훈련을 포함합니다. 일반적으로 감독이란 작업, 프로젝트 및 활동의 실행을 관찰하고 안내하는 것을 의미합니다. 그러나 감독 학습이 구현 될 수있는 곳은 어디입니까? 주로 회귀 및 클러스터 및 신경 네트워크를 학습하는 시스템에서 구현됩니다.
이제 모델을 어떻게 훈련시킬 수 있습니까? 모델은 지식을 모델에로드하여 향후 인스턴스의 예측을 용이하게하는 데 도움이됩니다. 그것은 교육을 위해 분류 된 데이터 세트를 사용합니다. 인공 신경망은 출력 패턴과 관련된 네트워크를 입력 패턴으로 훈련시킵니다.
무 감독 학습의 정의
감독 되지 않은 학습 모델은 목표 출력을 포함하지 않으므로 시스템에 어떤 교육도 제공되지 않습니다. 시스템은 입력 패턴의 구조적 특성에 따라 결정하고 적응함으로써 독자적으로 학습해야합니다. 그것은 라벨이 지정되지 않은 데이터에 결론을 내리는 기계 학습 알고리즘을 사용합니다.
관리되지 않은 학습은 데이터에 대한 정보가 거의 없거나 거의 없기 때문에 감독 학습과 비교하여 더 복잡한 알고리즘에서 작동합니다. 시스템 또는 시스템이 우리를 위해 결과를 생성 할 목적으로 관리하기 어려운 환경을 만듭니다. 자율 학습의 주요 목적은 그룹, 클러스터, 차원 감소와 같은 엔티티를 검색하고 밀도 추정을 수행하는 것입니다.
감독과 감독되지 않은 학습의 주요 차이점
- 감독 학습 기술은 출력 데이터 패턴이 시스템에 알려진 라벨 데이터를 처리합니다. 대조적으로, 감독되지 않은 학습은 결과물이 단지 지각 수집에 기반한 레이블이없는 데이터와 함께 작동합니다.
- 복잡성에 관해서는 감독 된 학습 방법이 덜 복잡하고 감독되지 않는 학습 방법은 더 복잡합니다.
- 감독 학습은 오프라인 분석을 수행 할 수 있지만 감독되지 않은 학습은 실시간 분석을 사용합니다.
- 감독 학습 기법의 결과는보다 정확하고 신뢰할 수 있습니다. 대조적으로, 자율 학습은 보통이지만 신뢰할 수있는 결과를 생성합니다.
- 분류 및 회귀는 감독 학습 방법에 따라 해결되는 유형의 문제입니다. 반대로 감독되지 않은 학습에는 클러스터링 및 연관 규칙 마이닝 문제가 포함됩니다.
결론
감독 학습은 훈련, 입력 및 출력 패턴을 시스템에 제공하여 과제를 수행하는 기술입니다. 감독되지 않은 학습은 시스템이 입력 집단의 특성을 이전 범주 집합이 아닌 자체로 발견해야하는 자체 학습 기법입니다 사용됩니다.
