למידה על-ידי Supervised היא גישה למידה של מכונה בסיסית שבה מודלים מאומנים על נתונים מתוייגים.זה כרוך בלמידה ממיפוי של קלטות לפלטים המבוססים על זוגות לדוגמה. שיטה זו משמשת באופן נרחב ביישומים כגון זיהוי תמונות, זיהוי ספאם וניתוח חיזוי.

המונחים: Supervised Learning

בלמידה מבוקרת, הנתונים מורכבים מזוגות קלט- ⁇ , שבו כל קלט קשור לתוויות ידועות.המטרה היא לפתח מודל שיכול לחזות במדויק תוויות עבור נתונים חדשים, לא נראים.התהליך כולל הכשרה, אימות ובדיקות שלבים כדי להבטיח את יעילות המודל.

עיצוב מודל ובחירת

בחירת המודל הנכון תלויה בסוג הבעיה ובמאפיינים של נתונים.מודלים נפוצים כוללים נסיגה ליניארית עבור תפוקה רציפה ואלגוריתמים סיווג כמו עצי החלטות או רשתות עצביות לתוויתות קטגוריות.מורכבות המודל צריכה לאזן דיוק וסיכון יתר.

המונחים:

  • איסוף והנתונים שהוגדרו מראש
  • בחר אדריכלות מודל מתאים
  • לאמן את המודל באמצעות נתוני אימון
  • אימות המודל עם תחילת נתונים נפרדת
  • בדוק את הביצועים של המודל על נתונים בלתי נראים