सुपरवाइज्ड लर्निंग एक तरीका है, जिसमें प्रशिक्षण डेटा में इनपुट और वांछित परिणाम दोनों शामिल होते हैं। उदाहरणों के साथ प्रणाली का प्रशिक्षण पर्यवेक्षित शिक्षण कहलाता है। या फिर, एक शिक्षक के साथ एल्गोरिथ्म का प्रशिक्षण भी पर्यवेक्षित शिक्षण के रूप में किया जा सकता है। सभी नमूना डेटा या लेबल किए गए डेटा के साथ एल्गोरिथ्म को प्रशिक्षित करने के बाद, जिसमें लक्ष्य चर पर दोनों भविष्यवक्ता होते हैं, एक एल्गोरिथ्म को प्रशिक्षित कर सकता है और आगे के वर्गीकरण के लिए अनदेखी उदाहरण का उपयोग कर सकता है।
जावा डेवलपर्स भारत में वेतन
यहाँ महावत में पर्यवेक्षित अधिगम की कुछ महत्वपूर्ण विशेषताएं दी गई हैं:
- एक उचित प्रशिक्षण, सत्यापन और परीक्षण सेट (बोक) का निर्माण महत्वपूर्ण है।
- ये विधियां आमतौर पर तेज और सटीक होती हैं।
- सुपरवाइज्ड लर्निंग के तरीकों को सामान्य बनाने में सक्षम होना चाहिए।
- वे सही परिणाम देते हैं, जब नए डेटा इनपुट में दिए गए हैं बिना किसी को जानेप्राथमिकतालक्ष्य।
- कुछ मामलों में, सीखने की प्रक्रिया के दौरान मॉडल के इनपुट में सही परिणाम (लक्ष्य) ज्ञात और दिए गए हैं।
सुपरवाइज्ड लर्निंग का उदाहरण
मामले में, आप एक मिशन को प्रशिक्षित करना चाहते हैं और आपको लेबल डेटा के साथ छवियों के दो अलग-अलग समूहों के साथ दिया जाता है, उदा। उपरोक्त चित्र में, एक समूह में एक हाथी की छवियां हैं और दूसरे में एक शेर है। लेबल किए गए डेटा से तात्पर्य है कि प्रत्येक डेटा सेट का लक्ष्य मान हो उपरोक्त उदाहरण में, डेटा सेट हाथी की छवियां हैं, जबकि इसे दिए गए लेबल, अर्थात् 'हाथी' डेटा सेट का लक्ष्य मूल्य है। इस तरह के लेबल डेटा सेट का उपयोग प्रशिक्षण प्रक्रिया के लिए किया जाता है, ताकि प्रशिक्षण एल्गोरिथ्म इस डेटा सेट पर लाभ उठा सके और कुछ मॉडल का निर्माण कर सके, जिसका उपयोग आगे लेबल डेटा या लक्ष्य चर के बिना अनदेखी उदाहरणों को वर्गीकृत करने के लिए किया जा सकता है।
आइए उन विशेषताओं की पहचान करें जो किसी वस्तु को हाथी या शेर के रूप में पहचानने में मदद करती हैं:
__अपने आप में)
सुविधाएं हो सकता है - आकार, रंग, ऊंचाई, कान का आकार, ट्रंक, टस्क
इसे एक फीचर सेट कहा जा सकता है, जिसका उपयोग प्रशिक्षण उद्देश्य के लिए किया जाएगा। यह सुविधा सेट अंतिम लक्ष्य चर को प्रभावित करेगा। इन चर के रूप में जाना जाता है भविष्यवक्ता चर , क्योंकि वे हमें निर्धारित करने में मदद करते हैं अंतिम लक्ष्य चर । अंतिम चर को एक लेबल भी कहा जा सकता है। अंतिम चर यहाँ हाथी / शेर है।
इस उदाहरण में, श्रेणियों, आकार, रंग, ऊँचाई, कान के आकार, ट्रंक और टस्क में प्रत्येक रिकॉर्ड एक प्रेडिक्टर वैरिएबल है, जबकि एलिफेंट और लायन लक्ष्य चर हैं। इन चर को क्रमशः प्रशिक्षण उदाहरण और प्रशिक्षण डेटासेट के रूप में माना जा सकता है।
शेफ एक ऑर्केस्ट्रेशन टूल है
इस प्रकार, सुपरवाइज्ड लर्निंग एक तरीका है, जिसके माध्यम से आप लेबलों के साथ-साथ प्रशिक्षण लेते हैं, जिसमें आप एल्गोरिथ्म को उसमें से कुछ विशेषताओं को निकालने के लिए कहते हैं, और उसके आधार पर, जब भी आप एक अनदेखी उदाहरण देखते हैं, तो एल्गोरिथ्म इसे वर्गीकृत करने में सक्षम होगा। सही वर्ग में।
क्या आप हमसे कोई प्रश्न पूछना चाहते हैं? उन्हें टिप्पणी अनुभाग में उल्लेख करें और हम आपके पास वापस आ जाएंगे।
संबंधित पोस्ट: