Supervised learning
Supervised learning (overvåget læring) er en gren inden for maskinlæring, som kræver træningsdata med det forventede output til hvert input. Modellen vil ud fra analyse af disse eksempler, som typisk består af vektorer, estimere en funktion, som kan kan bruges til at bearbejde nye input.
Eksempelvis kan modellen få adgang til en database med e-mails som er markeret som spam eller ikke spam. Efter træning baseret på denne data vil modellen kunne klassificere nye e-mails den ikke har set før. En ulempe ved denne tilgang er, at modellerne ofte kræver store mængder træningsdata, som indeholder de ønskede outputs for hvert input for at kunne behandle ny data optimalt. Der findes også unsupervised learning, som kan lære af data, som ikke har et kendt output.
Algoritmer
Nogle af de mest anvendte læringsalgoritmer som benytter supervised learning er:
- Support Vector Machines
- lineær regression
- Logistisk regression
- Naive Bayes klassifikator
- k-nærmeste naboalgoritme
- Neurale netværk (flerlags-perceptron)
Content Disclaimer
Informasi ini disarikan dari Wikipedia dan disajikan kembali untuk tujuan edukasi. Konten tersedia di bawah lisensi CC BY-SA 3.0. Kami tidak bertanggung jawab atas ketidakakuratan data yang bersumber dari kontribusi publik tersebut.
- The information displayed on this website is sourced in part or in whole from Wikipedia and has been adapted for the purpose of restating it. We strive to provide accurate and relevant information, however:
- There is no guarantee of absolute accuracy. Wikipedia is an open, collaborative project that can be edited by anyone, so information is subject to change.
- It is not intended to constitute professional advice. The content displayed is for informational and educational purposes only. For important decisions (e.g., medical, legal, or financial), please consult a professional.
- Content copyright. Wikipedia is licensed under the Creative Commons Attribution-ShareAlike License (CC BY-SA). This means that content may be reused with appropriate attribution and shared under a similar license.
- Responsible use. Any risk arising from the use of information from this website is entirely the responsibility of the user.