SıradakiSonraki rehber
Kendi Kendine Denetimli Öğrenme
Temeller
Temel Bilgiler KILAVUZU
Denetimli Öğrenme
Denetimli öğrenme, girişleri hedef çıktılarla eşleştiren örnekler kullanan bir modele uyar.
Bu kılavuzu dinleyinAI tarafından anlatılan · ~2 min
Bu sayfada2 dakika okuma
Genel Bakış
Sınıflandırmayı içerir; hedefler kategoriler olarak tanımlanır ve regresyon (hedefler sayısal niceliklerdir). Hedef etiketlerinin kalitesi ve anlamı sonucun merkezinde yer alır.
Önemli çıkarımlar
- Etiketleri toplamadan önce tanımlayın.
- İlgili kayıtların değerlendirme bölümlerinden sızmasını korun.
- İş akışı için önemli olan hataları ölç.
Derin Dalış
Her eğitim örneği, algoritmaya bir girdi için hangi çıktının istendiğini söyler. Bir kayıp fonksiyonu, tahmin hatalarını eğitim prosedürünün optimize edebileceği bir büyüklüğe dönüştürür. Kayıp seçimi öğrenmeyi şekillendirir; nihai iş akışını değerlendirmek için kullanılan metrik farklı olabilir. Etiketler ölçümlerden, sonraki sonuçlardan veya açıklamalardan gelebilir. Her kayıtlı cevabın doğru olduğunu varsaymak yerine anlaşmazlıkları ve belirsiz vakaları inceleyin. Etiket eski bir karar sürecini yakalarsa, model o sürecin sınırlamalarını yeniden üretebilir. Verileri modelin yeni vakalarla nasıl karşılaşacağına göre böl. Rastgele satır bölünmeleri, tekrarlanan kayıtlar aynı konuyu açıkladığında bilgi sızdırabilir. Tahminler genellikle zamana saygılı bir değerlendirme gerektirir. Ön işleme adımlarını doğrulama ve test örneklerine uygulamadan önce sadece eğitim bölümünde yerleştirin. Eğitimden sonra, ilgili sınıflar ve işletim koşulları için performansı inceleyin. Sınıf dengesizliği genel doğruluğu yanıltıcı hale getirebilir. Belirsiz veya alışılmadık girdilerin nasıl ele alınacağına karar verin ve etiketleri düzeltmek ve sistematik hataları gözden geçirmek için bir yol tutun.
04Çalışılan örnek
Küçük bir sınıflandırıcı değerlendirin
40 acil mesajla oluşturulmuş bir testte, bir sınıflandırıcı 30'u yakalar ve 10'u kaçırır. Ayrıca 20 sıradan mesajı işaretler.
Acil mesaj geri çağırma oranı %30/40 = %75'tir. İşaretlenen mesajlar arasındaki hassasiyet %30/(30+20) = %60'dır.
50 işaretlenmiş mesajı inceleyerek 30 acil mesajı bulmanın ekibin kapasitesi ve öncelikleri için faydalı olup olmadığını sorun.
Ne gösteriyor?
Aritmetik, rapor edilen bir ürün kıyaslası değil, varsayımsal bir iş yükünü tanımlar.
Gerçek Dünya Uygulaması
Daha önce tamamlanmış teslimatlardan teslimat süresini tahmin edin.
Destek taleplerini belgelenmiş bir etiketleme şeması kullanarak sınıflandırın.
Uygulamaya koymak
Neden önemli?
- Daha net kararlar. Açık teknik iddiaları pazarlama dilinden ayırmanıza yardımcı olur.
- Maliyet ve bütçe. Para veya zaman harcamadan önce daha iyi uygulama soruları sorabilirsiniz.
- Ekip ve iş akışı. Ortak anlayışa sahip ekipler daha iyi ürün, politika ve öğrenme kararları verir.
Dikkat edin
- Farklı ekipler aynı terimi farklı şekilde kullanabilir; bu nedenle kapsamı erken tanımlayın.
- Gerçek dünya performansı dengesizken karşılaştırmalar güçlü görünebilir.
- Veri kalitesini ve değerlendirme planlarını göz ardı etmek çoğu zaman hassas sonuçlar doğurur.
Sonraki adımlar
- İhtiyacınız olan sonucun sade bir dille tanımlanmasıyla başlayın.
- Test etmeden önce bir başarı ölçüsü ve bir başarısızlık koşulu seçin.
- Gösterişli bir demo seti yerine, temsili verilerle küçük bir pilot çalışma yürütün.
- Denetimli Öğrenmenin nerede yardımcı olduğunu ve daha basit yöntemlerin nerede daha iyi olduğunu belgeleyin.
Kaynaklar ve ek okuma
- scikit-learnDenetimli öğrenme
Keşfetmeye Devam Edin
Ücretsiz bülten
Günlük AI brifingini alın
Hafta içi her sabah sade İngilizce yazılmış, doğrulanmış üç yapay zeka hikayesi. Sonsuza kadar ücretsiz, reklam yok.
Hafta içi her gün bir e-posta. Tek tıklamayla aboneliğinizi iptal edin. Adresinizi asla satmayız veya paylaşmayız.
Kendinizi test edin
Take the Supervised Learning quiz
Her yanıtla ilgili anında geri bildirim ve bir kursu geçtiğinizde doğrulanabilir bir kimliğe sahip paylaşılabilir bir sertifika.
Ücretsiz AI eğitimini destekleyin. AI Understanding, bir 501(c)(3) kâr amacı gütmeyen kuruluştur; hiçbir zaman reklam yoktur, ödeme duvarı yoktur. Bağış yap
Sık sorulan sorular
Denetimli öğrenme insan tarafından yazılmış etiketler gerektiriyor mu?
Hayır. Etiketler, hedef göreve uygun şekilde karşılık geldiği sürece ölçülen sonuçlardan veya mevcut kayıtlardan gelebilir.
Öğrenmeye devam et
İlgili kılavuzlar
Bu konu için daha fazla rehber seçildi