Разница между обучением с учителем и обучением без учителя

Обучение с учителем: обучение с учителем - это обучение модели с входной переменной (скажем, x) и выходной переменной (скажем, Y) и алгоритмом для сопоставления входных данных с выходными.
То есть Y = f(X)

Почему обучение с учителем?
Основная цель состоит в том, чтобы аппроксимировать функцию отображения (упомянутую выше) настолько хорошо, чтобы при появлении новых входных данных (x) можно было предсказать соответствующую выходную переменную.

Это называется обучением с учителем, потому что процесс обучения (на основе набора обучающих данных) можно рассматривать как учителя, контролирующего весь процесс обучения. Таким образом, «алгоритм обучения» итеративно делает прогнозы на основе данных обучения и корректируется «учителем», и обучение прекращается, когда алгоритм достигает приемлемого уровня производительности (или желаемой точности).

Пример контролируемого обучения
Предположим, есть корзина, наполненная свежими фруктами. Задача состоит в том, чтобы разложить однотипные фрукты в одном месте.
Также предположим, что это яблоко, банан, вишня, виноград.

Предположим, кто-то уже знает из своей предыдущей работы (или опыта), что форма каждого фрукта, присутствующего в корзине, позволяет ему легко расположить один и тот же тип фруктов в одном месте.

Здесь предыдущая работа в терминологии Data Mining называется обучающими данными. Итак, он узнает вещи из данных обучения. Это потому, что у него есть переменная ответа, которая говорит y, что если у какого-то фрукта есть такие-то особенности, то это виноград, и то же самое для всех без исключения фруктов.

Этот тип информации расшифровывается из данных, которые используются для обучения модели.
Этот тип обучения называется обучением с учителем .
Такие проблемы перечислены в классических классификационных задачах .

Неконтролируемое обучение: Неконтролируемое обучение - это когда присутствуют только входные данные (скажем, X) и нет соответствующей выходной переменной.

Почему обучение без учителя?
Основная цель обучения без учителя - смоделировать распределение данных, чтобы узнать о них больше.

Это называется так, потому что нет правильного ответа и нет такого учителя (в отличие от обучения с учителем). Алгоритмы предоставлены самим себе для обнаружения и представления интересной структуры данных.

Пример обучения без учителя
Опять же, предположим, что есть корзина, наполненная свежими фруктами. Задача - расположить однотипные фрукты на одном месте.

На этот раз заранее об этих фруктах нет никакой информации, это первый раз, когда их видят или открывают.

Итак, как сгруппировать похожие фрукты, не зная о них заранее.
Сначала выбирается любая физическая характеристика конкретного фрукта. Допустим цвет .

Затем плоды располагаются по цвету. Группы будут выглядеть примерно так, как показано ниже:
КРАСНАЯ ЦВЕТНАЯ ГРУППА : яблоки и черешня.
ГРУППА ЗЕЛЕНЫХ ЦВЕТОВ : бананы и виноград.

Итак, возьмем другого физического персонажа, скажем, размера , теперь группы будут примерно такими.
КРАСНЫЙ ЦВЕТ И БОЛЬШОЙ РАЗМЕР : яблоко.
КРАСНЫЙ ЦВЕТ И МАЛЕНЬКИЙ РАЗМЕР : плоды вишни.
ЗЕЛЕНЫЙ ЦВЕТ И БОЛЬШОЙ РАЗМЕР : бананы.
ЗЕЛЕНЫЙ ЦВЕТ И МАЛЫЙ РАЗМЕР : виноград.
Работа сделана!
Здесь не нужно ничего заранее знать и учить. Это означает, что нет данных поезда и переменной ответа. Этот тип обучения известен как обучение без учителя .

Разница между обучением с учителем и без учителя: