감독 학습과 반 감독 학습이 무엇인지 간략하게 설명하십시오.

1 학습 감독

감독 학습이란 알려진 범주의 샘플을 사용하여 분류자의 매개변수를 조정하여 원하는 성능을 달성하는 과정을 말합니다. 감독 교육 또는 감독 학습이라고도 합니다. 감독 학습은 태그가 있는 교육 데이터에서 함수를 추론하는 기계 학습 임무이다. 교육 데이터에는 일련의 교육 예가 포함되어 있습니다. 감독 학습에서 각 인스턴스는 입력 객체와 예상 출력 값으로 구성됩니다.

감독 학습 알고리즘은 교육 데이터를 분석하고 새로운 예제를 그리는 데 사용할 수 있는 추리를 생성하는 데 사용됩니다. 최상의 실습을 통해 알고리즘에서 보이지 않는 인스턴스 (instance) 의 카테고리 레이블을 정확하게 결정할 수 있습니다. 이를 위해서는 학습 알고리즘이 교육 데이터에서 가시성에 이르기까지 "합리적인" 방식으로 형성되어야 합니다.

2. 반 감독 학습

반 감독 학습은 패턴 인식과 기계 학습 분야의 핵심 문제이며, 감독 학습과 감독되지 않은 학습을 결합하는 학습 방법이다. 반 감독 학습은 대량의 태그 없는 데이터와 태그 있는 데이터를 모두 사용하여 패턴 인식을 수행합니다.

학습에서 주의해야 할 문제를 감독하다.

1, 편차 차이 균형

첫 번째 문제는 편차와 분산 사이의 절충안이다. 몇 가지 다르지만 똑같이 좋은 미적분 데이터 세트가 있다고 가정해 봅시다. 학습 알고리즘은 알 수 없는 숫자의 입력을 기반으로 합니다. 이러한 데이터 세트를 계산할 때 시스템은 정확한 미지수를 정확하게 예측하고 출력합니다.

2, 함수의 복잡성과 교육 데이터의 양

두 번째 문제는 "실제" 함수 (분류 또는 회귀 함수) 에 대한 교육 데이터의 복잡성입니다. 실제 함수가 간단하다면 높은 편차와 저분산을 가진 "유연하지 않은" 학습 알고리즘은 소량의 데이터에서 배울 수 있습니다.

3, 입력 공간 차원

세 번째 질문은 입력 공간의 차원입니다. 입력 피쳐 벡터의 차원이 매우 높으면 실제 함수가 해당 피쳐의 일부에만 종속되더라도 문제를 배우기가 어렵습니다. 많은' 추가' 차원이 학습 알고리즘을 혼동해 분산이 높기 때문이다. 따라서 높은 입력 차원은 일반적으로 낮은 분산과 높은 편차를 갖도록 분류자를 조정해야 합니다.