Diferença entre aprendizado supervisionado e não supervisionado

Autor: Laura McKinney
Data De Criação: 2 Abril 2021
Data De Atualização: 10 Poderia 2024
Anonim
Diferença entre aprendizado supervisionado e não supervisionado - Tecnologia
Diferença entre aprendizado supervisionado e não supervisionado - Tecnologia

Contente


Aprendizado supervisionado e não supervisionado são os paradigmas de aprendizado de máquina usados ​​para resolver a classe de tarefas, aprendendo com a experiência e a medida de desempenho. A aprendizagem supervisionada e a não supervisionada diferem principalmente pelo fato de que a aprendizagem supervisionada envolve o mapeamento da entrada para a saída essencial. Pelo contrário, a aprendizagem não supervisionada não visa produzir resultados na resposta de uma entrada específica, mas descobre padrões nos dados.

Essas técnicas de aprendizado supervisionado e não supervisionado são implementadas em várias aplicações, como redes neurais artificiais, que são sistemas de processamento de dados que contêm um grande número de elementos de processamento amplamente interligados.

    1. Gráfico de comparação
    2. Definição
    3. Principais diferenças
    4. Conclusão

Gráfico de comparação

Base para comparaçãoAprendizado supervisionadoAprendizagem não supervisionada
BasicLida com dados rotulados.Manipula dados não rotulados.
Complexidade computacionalAltoBaixo
AnalyzationdesligadaTempo real
Precisão
Produz resultados precisosGera resultados moderados
Subdomínios
Classificação e regressão
Mineração de Regras de Cluster e Associação


Definição de Aprendizado Supervisionado

Aprendizado supervisionado O método envolve o treinamento do sistema ou máquina em que o conjunto de treinamento, juntamente com o padrão de destino (padrão de saída), é fornecido ao sistema para a execução de uma tarefa. Normalmente, supervisionar significa observar e orientar a execução das tarefas, projeto e atividade. Mas onde o aprendizado supervisionado pode ser implementado? Principalmente, é implementado nas redes de Regressão e Cluster e Neural de aprendizado de máquina.

Agora, como treinamos um modelo? O modelo é guiado com a ajuda de carregar o modelo com o conhecimento, para facilitar a previsão de instâncias futuras. Ele usa conjuntos de dados rotulados para o treinamento. As redes neurais artificiais, o padrão de entrada, treinam a rede que também está associada ao padrão de saída.


Definição de Aprendizagem Não Supervisionada

Aprendizagem não supervisionada O modelo não envolve o resultado desejado, o que significa que nenhum treinamento é fornecido ao sistema. O sistema precisa aprender por si próprio através da determinação e adaptação de acordo com as características estruturais nos padrões de entrada. Ele usa algoritmos de aprendizado de máquina que tiram conclusões sobre dados não rotulados.

O aprendizado não supervisionado funciona em algoritmos mais complicados quando comparado ao aprendizado supervisionado, porque temos informações raras ou inexistentes sobre os dados. Ele cria um ambiente menos gerenciável, como a máquina ou o sistema destinado a gerar resultados para nós. O principal objetivo do aprendizado não supervisionado é pesquisar entidades como grupos, clusters, redução de dimensionalidade e realizar estimativas de densidade.

  1. A técnica de aprendizado supervisionado lida com os dados rotulados onde os padrões de dados de saída são conhecidos pelo sistema. Por outro lado, o aprendizado não supervisionado trabalha com dados não rotulados nos quais a saída é baseada apenas na coleta de percepções.
  2. Quando se trata de complexidade, o método de aprendizado supervisionado é menos complexo, enquanto o método de aprendizado não supervisionado é mais complicado.
  3. O aprendizado supervisionado também pode realizar análises offline, enquanto o aprendizado não supervisionado emprega análises em tempo real.
  4. O resultado da técnica de aprendizado supervisionado é mais preciso e confiável. Por outro lado, o aprendizado não supervisionado gera resultados moderados, porém confiáveis.
  5. Classificação e regressão são os tipos de problemas resolvidos pelo método de aprendizado supervisionado. Por outro lado, o aprendizado não supervisionado inclui problemas de agrupamento e mineração de regras associativas.

Conclusão

O aprendizado supervisionado é a técnica de realizar uma tarefa, fornecendo padrões de treinamento, entrada e saída aos sistemas, enquanto o aprendizado não supervisionado é uma técnica de auto-aprendizado em que o sistema precisa descobrir os recursos da população de insumos por seu próprio e nenhum conjunto anterior de categorias. são usados.