Tiếp theoHướng dẫn tiếp theo
Học tập tự giám sát
Nguyên tắc cơ bản
HƯỚNG DẪN cơ bản
Học tập có giám sát
Học có giám sát phù hợp với một mô hình sử dụng các ví dụ ghép nối đầu vào với đầu ra mục tiêu.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Nó bao gồm phân loại, trong đó mục tiêu là các danh mục và hồi quy, trong đó mục tiêu là số lượng. Chất lượng và ý nghĩa của nhãn mục tiêu là trọng tâm của kết quả.
Những điểm chính rút ra
- Xác định nhãn trước khi thu thập chúng.
- Giữ các hồ sơ liên quan không bị rò rỉ qua các phần đánh giá.
- Đo lường những sai sót quan trọng đối với quy trình làm việc.
Lặn sâu
Mỗi ví dụ huấn luyện sẽ cho thuật toán biết đầu ra nào được mong muốn cho đầu vào. Hàm mất mát chuyển đổi các lỗi dự đoán thành một đại lượng mà quy trình đào tạo có thể tối ưu hóa. Sự lựa chọn hình thức học tập mất mát; số liệu được sử dụng để đánh giá quy trình làm việc cuối cùng có thể khác. Nhãn có thể đến từ các phép đo, kết quả sau này hoặc chú thích. Xem xét những bất đồng và những trường hợp mơ hồ thay vì cho rằng mọi câu trả lời được ghi lại đều đúng. Nếu nhãn ghi lại quy trình quyết định cũ, mô hình có thể tái tạo các hạn chế của quy trình đó. Phân tách dữ liệu để phù hợp với cách mô hình sẽ gặp các trường hợp mới. Việc phân chia hàng ngẫu nhiên có thể làm rò rỉ thông tin khi các bản ghi lặp lại mô tả cùng một chủ đề. Dự báo nói chung cần đánh giá tôn trọng thời gian. Chỉ điều chỉnh các bước tiền xử lý trên phân vùng huấn luyện trước khi áp dụng chúng cho các ví dụ xác thực và kiểm tra. Sau khi đào tạo, kiểm tra hiệu suất của các lớp và điều kiện hoạt động có liên quan. Sự mất cân bằng lớp học có thể làm cho độ chính xác tổng thể bị sai lệch. Quyết định cách xử lý các đầu vào không chắc chắn hoặc không quen thuộc và giữ lại lộ trình sửa nhãn và xem xét các lỗi hệ thống.
04Ví dụ hoạt động
Đánh giá một bộ phân loại nhỏ
Trong một thử nghiệm được xây dựng với 40 tin nhắn khẩn cấp, bộ phân loại bắt được 30 và bỏ sót 10. Nó cũng gắn cờ 20 tin nhắn thông thường.
Tỷ lệ thu hồi tin nhắn khẩn cấp là 30/40 = 75%. Độ chính xác của các tin nhắn được gắn cờ là 30/(30+20) = 60%.
Hỏi xem việc xem xét 50 tin nhắn được gắn cờ để tìm ra 30 tin nhắn khẩn cấp có hữu ích cho năng lực và ưu tiên của nhóm hay không.
Những gì nó cho thấy
Số học mô tả khối lượng công việc giả định, không phải điểm chuẩn sản phẩm được báo cáo.
Triển khai trong thế giới thực
Ước tính thời gian giao hàng từ những lần giao hàng đã hoàn thành trước đó.
Phân loại các yêu cầu hỗ trợ bằng cách sử dụng sơ đồ ghi nhãn được ghi lại.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Quyết định rõ ràng hơn. Nó giúp bạn tách biệt các tuyên bố kỹ thuật rõ ràng khỏi ngôn ngữ tiếp thị.
- Chi phí và ngân sách. Bạn có thể đặt các câu hỏi triển khai tốt hơn trước khi chi tiền hoặc thời gian.
- Nhóm và quy trình làm việc. Các nhóm có sự hiểu biết chung sẽ đưa ra các quyết định về sản phẩm, chính sách và học tập tốt hơn.
coi chừng
- Các nhóm khác nhau có thể sử dụng cùng một thuật ngữ một cách khác nhau, vì vậy hãy sớm xác định phạm vi.
- Điểm chuẩn có thể trông mạnh mẽ trong khi hiệu suất trong thế giới thực không đồng đều.
- Việc bỏ qua các kế hoạch đánh giá và chất lượng dữ liệu thường tạo ra những kết quả mong manh.
Các bước tiếp theo
- Bắt đầu với một định nghĩa đơn giản về kết quả bạn cần.
- Chọn một số liệu thành công và một điều kiện thất bại trước khi thử nghiệm.
- Chạy một thử nghiệm nhỏ với dữ liệu đại diện chứ không phải một bản demo bóng bẩy.
- Ghi lại nơi Học tập có giám sát hữu ích và nơi các phương pháp đơn giản hơn sẽ tốt hơn.
Nguồn tham khảo và đọc thêm
- scikit-learnHọc tập có giám sát
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Supervised Learning quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Học có giám sát có yêu cầu nhãn do con người viết không?
Không. Nhãn có thể đến từ kết quả đo được hoặc hồ sơ hiện có, miễn là chúng tương ứng phù hợp với nhiệm vụ mục tiêu.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này