Laboratoriya mashquloti №1,2 Mavzu: O`qituvchili(Nazorat ostidagi) va o`qituvchisiz (Nazoratsiz) ta`lim

Moslashuvchanlik: Nazoratsiz o'rganish moslashuvchan bo'lib, uni klasterlash, anomaliyalarni aniqlash va assotsiatsiya qoidalarini qazib olish kabi turli xil muammolarga qo'llash mumkin.
Tadqiqot: Nazoratsiz o'rganish ma'lumotlarni o'rganish va boshidanoq ko'rinmasligi mumkin bo'lgan yangi va potentsial foydali naqshlarni ochish imkonini beradi.
Kam xarajat: Nazoratsiz o'rganish ko'pincha nazorat ostidagi o'rganishga qaraganda arzonroq bo'ladi, chunki u etiketlangan ma'lumotlarni talab qilmaydi, ularni olish ko'p vaqt va qimmatga tushishi mumkin.
Nazoratsiz o'qitishning kamchiliklari:
Trening davomida oldindan belgilangan javoblar yo'qligi sababli aniqlik yoki samaradorlikni o'lchash qiyin. Natijalar ko'pincha kamroq aniqlikka ega. Foydalanuvchi ushbu tasnifga mos keladigan sinflarni sharhlash va belgilashga vaqt sarflashi kerak. Yo'l-yo'riq yo'qligi: Nazorat qilinmagan ta'limda yorliqli ma'lumotlar bilan ta'minlangan yo'l-yo'riq va fikr-mulohazalar mavjud emas, bu esa topilgan naqshlarning tegishli yoki foydali ekanligini bilishni qiyinlashtirishi mumkin. Ma'lumotlar sifatiga nisbatan sezgirlik: Nazoratsiz o'rganish ma'lumotlar sifatiga, jumladan etishmayotgan qiymatlarga, o'zgaruvchan qiymatlarga va shovqinli ma'lumotlarga sezgir bo'lishi mumkin.
Masshtablilik: Nazoratsiz o'rganish, ayniqsa katta ma'lumotlar to'plamlari yoki murakkab algoritmlar uchun hisoblash uchun qimmat bo'lishi mumkin, bu uning kengaytirilishini cheklashi mumkin.
Mashinani o'rganishda regressiya va tasnif nima?
Ma'lumotni o'rganish bo'yicha olimlar katta ma'lumotlardagi naqshlarni aniqlash uchun turli xil turdagi mashinalarni o'rganish algoritmlaridan foydalanadilar, bu esa amaliy tushunchalarga olib keladi. Yuqori darajada, bu turli xil algoritmlarni bashorat qilish uchun ma'lumotlarni "o'rganish" usuli asosida ikki guruhga bo'lish mumkin: nazorat ostida va nazoratsiz o'rganish.
Nazorat ostidagi mashinalarni o'rganish: Amaliy mashinalarni o'rganishning aksariyati nazorat ostida o'rganishdan foydalanadi. Nazorat ostidagi oʻrganish sizda kirish oʻzgaruvchilari (x) va chiqish oʻzgaruvchisi (Y) mavjud boʻlib, Y = f(X) kirishdan chiqishgacha boʻlgan xaritalash funksiyasini oʻrganish uchun algoritmdan foydalanasiz. Maqsad xaritalash funktsiyasini shu qadar yaxshi taxmin qilishdirki, sizda yangi kirish ma'lumotlari (x) mavjud bo'lganda, siz ushbu ma'lumotlar uchun chiqish o'zgaruvchilarini (Y) taxmin qilishingiz mumkin.
Nazorat qilinadigan mashinalarni o'rganish algoritmlari texnikasiga chiziqli va logistik regressiya, ko'p sinfli tasnif, qarorlar daraxtlari va qo'llab-quvvatlovchi vektor mashinalari kiradi. Nazorat ostidagi o'rganish algoritmni o'rgatish uchun foydalaniladigan ma'lumotlar allaqachon to'g'ri javoblar bilan belgilanishini talab qiladi. Misol uchun, tasniflash algoritmi hayvonlarning turlari va ba'zi identifikatsiya qiluvchi xususiyatlar bilan to'g'ri belgilangan tasvirlar ma'lumotlar to'plamiga o'rgatilgandan so'ng hayvonlarni aniqlashni o'rganadi.
Nazorat qilinadigan o'quv muammolarini Regressiya va Tasniflash muammolariga qo'shimcha ravishda guruhlash mumkin. Ikkala muammo ham atribut o'zgaruvchilardan bog'liq atributning qiymatini bashorat qila oladigan qisqa modelni qurish maqsadiga ega. Ikkala vazifa o'rtasidagi farq shundaki, qaram atribut regressiya uchun sonli va tasniflash uchun toifali bo'ladi.